风险管理

{{membership}}

https://bigquant.com/codeshare/38085c4a-2332-4ceb-ba0e-eed448c3c6e5

\

\

这篇文章叫做：The Nature of Price Returns During Periods of High Market Activity，具体介绍如下

![](/community/uploads/defa

故不积跬步，无以至千里；不积小流，无以成江海。--《荀子·劝学篇》

1.机器学习用于选股，对财务数据的特征学习，居然还是小市值NB....

2.机器学习，海量数据预测股票的未来趋势，+Model的研究

3.机器学习之神经网络入门

4.[随

价值投资可以量化嘛？我们来尝试下.......

以下文字翻译自Clifford S. Asness，Andrea Frazzini 和 Lasse H. Pedersen（2013）合著的working Paper：Quality Minus Junk。此文的思想，后续体现在 Buffett's Alpha（2013）这篇working Paper里面。

小弟翻译及学术水平有限，倘若有翻译不佳或学理上的误用之处，希望各位大拿不吝赐教，我会不断修改此文。

一、框架与导入：

1.1 市场价格（Book Value调整之后的，即P/B，后续提到的价格皆是如此）视角：

股票的高质量（定义见

这篇文章主要记录了南土投资周静学姐来给我校金融专硕项目做的一次分享会。结合学姐所说和自己在工作实践中积累的经验，粗浅地谈一谈对量化投资的认识。

周静学姐是北大的高材生，在海外获得博士学位之后加入了blackrock公司工作。现在回国创立了南土资产，追求绝对收益和人才发展。有的员工已经在公司得到了快速的成长并创办了自己的私募基金。

学姐首先为我们介绍，量化投资其实是从idea到模型，从模型到检验再到实证的过程。

很多人认为量化投资是只注重统计规律而不注重市场规律，认为量化投资只是一个黑箱，只需要把杂乱无章的数据扔进复杂的模型中计算就可以得到稳定的信号，但这样做的结果往往是garbage i

这是加入顾北先生的量化讨论群的第三篇文章。 因为大家之前讨论的内容过于分散，不利于讨论深度，因此从这次起，从之前的文章自己命题，改成了小组命题。这次的命题是一个具体的信号，但是我希望可以写的更广泛一点，多总结一下背后的方法论。

这次介绍的文章，是高子剑先生（曾任方正证券金融工程首席，现任东吴证券金融工程首席）的《“聆听高频世界的声音”系列研究（四）》。高子剑先生是国内“高频数据，低频信号”方法论的第一人和推广者，金融研究报告在全行业里面深度优秀，同时对方法论的坚持，也让人印象深刻。他的成功经验，对量化从业者对研究的深度和广度的权衡，很有启发。想在行业立住脚，有一两个让人一提到就能想到你的研究

这是一篇简单探讨高频时间尺度的相关性结构的paper。

![](/community/uploads/default/original/3X/6/9/69f10a5b74c09f78e4a141b864313500f

量化投资(Quantitative Lnvestment)，是利用投资模型指导投资的一种手段。那么在量化投资过程中，投资人员需要将自己的投资理念量化成具体的投资模型，然后借助历史回测数据，投资人员可以检验量化投资模型的有效性，其中有效的投资模型，将被用来指导交易。那么在投资过程中，投资模型的使用可以帮助投资人员规避一些交易过程中的心理偏差，比如一些一厢情愿的错误的判断，以及大起大落造成的情绪问题，我们通过量化投资模型控制，严格执行策略，以获取预期的收益结果。

量化投资虽然仅有50年左右的发展过程，但已经出现了大量的研究成果。Markowitz，H.M.提出的投资组合选择理论，可以看做量化投资

首发于我的博客 The North。

GitHub 里老早之前就 Star 了 felixglow/Stock 这个项目，原作者 felixglow。昨天晚上又想起这个来，于是今儿早上就拿出来看——我对其中相当多的部分都不熟悉，有些还是第一次了解。在这里将我的理解记录下来，其中的错谬之处，还望各位大神指正。

实现效果

![](/community/uploads/defau

关于python的优势就不说再多了，地球人都知道，还不知道的去面壁思过。因为不想当韭菜，所以还是自己老老实实写代码吧。

记录些常用的内容，以便自己回头复习。

常用的函数有：

• numpy 处理向量矩阵

• scipy 数据统计优化处理

• pandas 金融数据分析

• matplotlib 画图

• tushare 财经数据

• Zipline 回测平台

• TaLib 技术指标

• BigQuant 人工智能量化投资平台

——介绍

Numpy

Numpy是Python的一个科学计算的库，提供了矩阵运

资产配置，是近年来一个比较热门的词汇。如果在知乎里搜索“资产配置”，可以看到不少相关的话题、回答和知乎Live。

对于大多数中国人来说，大家最感兴趣的问题，无非就是：作为一个中国人，我应该如何搞资产配置？我应该从什么地方入手，去科学的分析这个问题，并且做出理性的决策？今天这篇文章，就来和大家谈谈这个问题。

顾名思义，资产配置，就是指选出一些能够给与投资者回报的资产，用不同的比例将这些资产配起来。因此，这就涉及到两个问题：选哪些资产？如何配置？

【注：本文中说的资产配置，指的是家庭自住房以外的可支配资产。】

首先，我们来谈谈第一个问题：应该选哪些资产？

很多人直观的感觉是：当然

今天这篇文章，主要来讲讲如何通过ETF实现另类投资这个话题。

首先，为大家普及一下“另类投资（Alternative Investing）”这个概念。在传统的资产配置框架下，比较主流的资产类型包括：股票（主要指二级市场）、债券和房地产。

这三类资产，对于绝大多数投资者来说都比较熟悉。比如大家都明白，公司股票，代表在证券交易所上市流通的公司所有权（股份）。股票的价格会基于各种因素发生涨跌。如果经济基本面比较好，群众投资热情高涨，大家对未来信心比较足，公司盈利超过预期，那么公司的股价就可能上涨，反之亦然。大部分投资者，对于股票、债券和房地产的投资风险也都有一定程度的理解。

![](/com

原文章来自英世曼AHL网站，本文为原文章的中文翻译。本文仅用于交流学习使用，不得用于商业用途。如对相关著作人造成侵害，请立即联系译者及时删除。

（笔者导读：19年伊始，中国股市轰轰烈烈地上涨了20%+，进入了技术牛市，吸引了所有人的眼球。然而，普通投资人没有关注到的是，中国债市却掉头向下，似乎在宣布18年牛市的终结，标题的配图就是国债期货在近一个月的表现。那么，谨以此篇文章做个应景。

最值得一提的是本文的内在假设：CTA的价值不仅仅在于自带杠杆的高收益，CTA还有巨大的配置价值。

**什么是配置价值？CTA策略在资产价格剧烈下跌时，往往提供很高的正收益。一个持有股

现在机器学习方法大行其道，很多人也想用这些方法来做CTA，我自己也做了一段时间，高频低频都有，觉得有些地方需要注意一下。

首先是数据处理方面。传统的量化交易系统喜欢主力连续合约或指数合约，其实最关键的是换月部分的处理。如果是主力连续，那么换月时计算指标回看行情的时候可能会用到不同的合约，这当然是不大合理的；如果用指数合约，其实更不靠谱，毕竟很多非主力合约买卖价差非常大，价格跳跃严重，而且换月部分还是用了不同的合约。靠谱一些的方法自然是每个合约都保存完整的行情，分别计算完技术指标，再抽取主力部分形成连续合约；而不是先生成连续合约再计算指标。

有了数据之后就是建模了。如果是分笔数据，5

\

\

https://bigquant.com/experimentshare/4cd77a18145849ba935b42c775c2694e

\

本专栏获得RCM Alternatives授权发表原文及其翻译。本文不构成投资建议，不代表个人观点，仅用于交流学习使用，不得用于商业用途。更多免责声明参见原文。

原文链接：

[Real Estate as a Portfolio Diversifier? - RCM Alternatives​www.rcmalternatives.com ](https://www.rcmalternatives.co

原文章来自Aspect Capital网站，本文为原文章的中文翻译。本文仅用于交流学习使用，不得用于商业用途。如对相关著作人造成侵害，请立即联系译者及时删除。

原文标题：The Art of Simulation

原文时间：2017年2月

翻译：雷闻

摘要

能够回测交易策略在一段时间内的表现，是系统化投资方法的主要优点之一。但是，必须以科学和有纪律的方式进行。回测使我们能够在一系列市场和市场环境中测试投资策略。在最好的情况下，它使投资研究能够采用科学的方法，检验假设并设计策略，目的是评估一种特定的市场交易方法。然而，建立一个看起来盈利的回测策略看似非常容易，


!

原文章来自Man AHL网站，本文为原文章的中文翻译。本文仅用于交流学习使用，不得用于商业用途。如对相关著作人造成侵害，请立即联系译者及时删除。

原文标题：Natural Catastrophes: Predictable, Seasonal,Cyclical or Random?

原文链接：https://www.man.com/maninstitute/natural-catastrophes

原文时间：2019年11月

原文作者：Andrea Rzym； Tarek Abou Zeid

翻译：雷闻

想象一下，10年以后，我们对自然灾害的了解已变得如此全面，以至

在我写了《雪球蛋卷基金好不好？》（https://zhuanlan.zhihu.com/p/22054727）一文之后，很多朋友表示对桥水（Bridgewater）基金的全天候（All Weather）配置策略很感兴趣，让我有空时对这个策略做一些更多的介绍。今天这篇文章就来详细讲讲这个基金策略。

桥水基金管理公司（Bridge water）由Ray Dalio在1975年创建，是目前全世界规模最大的对冲基金之一。桥水的全天候基金（Bridewater All Weather Fund）是该公司的主要基金产品之一，截止2016年年中该基金大约管理600亿美元左右的资产规模。

全天

关于AlphaGo

AlphaGo厉害的地方在于结合了工程和科研两方面的工作，通过大量计算资源和工程优化将一个方向推向了极致，并且同时借鉴了十年来大家在围棋上及在计算机视觉上的点滴进展，围棋和强化学习方向上像蒙特卡罗树搜索，自对弈（俗称“左右互搏”），随机走子盘面估值，用人工特征加浅层网络进行快速走子，权衡广度和深度搜索，权衡从头探索和先验知识，计算机视觉方向上像卷积神经网络（CNN），残差网络（ResNet），旋转翻折样本增强，等等。这些都不是DeepMind团队率先想出来的，而是过去的经验一点点积累起来得到的。只是过去的点滴进步并没有进入公众的视野，而AlphaGo达成了这最后的

1988年出生的英国人李轶睿（Daniel James Lightwing，网络上以Lightwing闻名）最早被人关注，是因为他在数学方面表现出的天赋。在BBC纪录片Beautiful Young Minds（2007）中，导演Morgan Matthews记录了一组年轻人备战2006年第47届国际数学奥林匹克竞赛的过程，来自约克郡的李轶睿就是其中之一。镜头记录了他在训练营学习并与一位中国女孩相恋的经历。这一年李轶睿在斯诺文尼亚摘得银奖。

2014年，导演Morgan Matthews拍摄了电影X+Y。阿沙•巴特菲尔德（Asa Butterfield）饰演的主角Nathan Ellis，原