请问，数据的标准化、中性化、缺失值处理的先后顺序是什么？

哪些因子有必要做中性化处理呢？

资金流追涨策略-射手座~彩蛋免费送

还有仓位管理 +过拟合检测大礼包 合集

<https://bigquant.com/

职位描述：

1、协助投资经理完成量化系统（包括并不局限在回测，下单，分析系统）搭建维护，可以学习到数据架构设计，参与 建立自动化交易和量化研究的基础架构，支持百亿级别的资管产品；跟踪优化股票市场量化策略在实盘的表现。 2、整理私募管理人尽调与评价系统搭建，筹建行情分析数据库，数据收集，分

本人订阅了yilong大神和天梯上高收益的策略，有兴趣订阅这些策略进行学习研究的，本人可以把策略有偿共享，或者策略互换，有兴趣的可以加V：hjr3138

基于BQ平台提供平台能力以及基础数据的封装，可实现小白1天内快速入门，本文绝对干货，附带的源码策略年化收益100%，2年累计收益279%，2年最大回撤15%，可用于实际实操，基于此策略打开你的量化入门之路。

策略介绍：

平台策略主要分成二种：AI策略、自定义编码策略。

*

导语

在阅读了 深度学习的简要介绍后，本文将介绍深度学习CNN模型及其在量化投资领域中的应用。

深度学习在量化领域应用

机器学习作为人工智能的核心，其传统算法在解决很多问题上都表现出了高效性。随着近些年数据处理技术上的进步和计算能力的提升，深度学习

量化私募和投资者们应该如何应对？

管理人表示，应加强投研，投资人应看长远！

尤其是量化指数增强策略产品，所谓又能赚指数的钱、又能赚股票阿尔法的钱，容易被大众接受和理解，一批私募乘势狂发产品、快速上规模。

然而不少指数增强产品，不仅没有做出阿尔法，还跑输指数，出现超额回撤。

鸣石投资创始合伙人

本人在bigquant上订阅了最热门的策略，包括yilong和其他收益好的，有兴趣降低订阅成本的，本人可以提供策略共享，请

请问如何获取每日开盘竞价数据？

自然人投资者和一般法人仍是 A 股的主要持有者。据上海交易所统计年鉴数据，自2015 年以来，自然人投资者持股市值占比基本稳定在 20%，一般法人持股市值占比基本稳定在 60%。占比仍居前列，市场有效性偏低，因而 A 股市场存在显著的 alpha 机会。

专业投资者在 A 股市场的地位日益提高。证

摘要

股价主要受业绩和估值两方面因素驱动。新闻中体现的市场情绪一方面影响中短期的估值水平，一方面也反应了市场对公司未来业绩的预判，因而把握舆情对预测股价收益有重要影响。

新闻舆情的刻画方法

新闻舆情对股价的影响可以从两个方面刻画：舆情的热度（新闻数量）和舆情的评价度（新闻情感值）

报告摘要

时序交叉验证方法适用于时间序列数据，能够有效防止过拟合

交叉验证是选择模型最优超参数的重要步骤，本文关注传统交叉验证和时 序交叉验证的比较。我们采用机器学习公共数据集以及全 A 选股数据集， 分别比较两种交叉验证方法的表现。结果表明，对于时序数据，时序交叉 验证方法在训练集

报告摘要

基于CSCV框架计算三组量化研究案例的回测过拟合概率

本文基于组合对称交叉验证（CSCV）框架，以三组量化研究为案例展示回测过拟合概率（PBO）的计算流程，发现两组多因子选股模型的PBO较低，择时模型的PBO较高。案例1为7种机器学习模型的多因子选股策略，指数增强组合PBO

报告摘要

从基线模型设置和样本精确切分两个角度对时序交叉验证提出改进

华泰金工《对抗过拟合：从时序交叉验证谈起》研究发现，对于时间序列数据，传统K折交叉验证选择的模型存在过拟合风险，时序交叉验证能减轻过拟合。本文从基线模型（baseline model）的设置和训练集验证集的精确切分

标题一张嘴，内容全靠吹。

量化玩数载, 学废占多数。

基础不打牢, 进阶两行泪。

人工与智能, 玩好人上人。

曲线与真实, 理想与现实。

问我怎么办, 闭眼直接上。

单票+满仓, 不死也重伤 。

分仓+风控 , 还好有点用。

为啥搞量化, 数据说

\

前言

感谢BQ-小Q送的礼物，礼物已经收到拉，一如既往的黑盒高科技风。高端大气上档次。

• ![{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}](/wiki/api/attac

函数的概念与图形

三角函数、指数函数、对数函数

函数运算

经济学中的常用函数

函数的概念

一般的，在一个变化过程中，如果有两个变量x和y，并且对于x的每一个确定的值，y都有唯一确定的值与其对应，那么我们就把x称为自变量，把y称为因变量，y是x的函数。

馅儿x趋向于0，包子逐渐变为馒头A。

=>

f(x)=A

最可爱了

\

前言

感谢BQ-小Q送的礼物，礼物已经收到拉，一如既往的黑盒高科技风。高端大气上档次。

• ![{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}](/wiki/api/attac

作者：陈奥（chenao1106)

导语

量化的目的之一是把通过对历史数据的规律研究，转化成投资决策。本次分享从具体的案例出发，如何快速把历史数据的经验，转化成自己的经验，进行投资交易决策。例如，2022年2月24日，大盘大跌，下跌股票数：3900+，上涨股票数600+，大跌行情下，如何操

夏普比率6.7策略源码有偿提供分享，有需要的朋友请留下联系方式

策略链接：https://bigquant.com/live/shared/strategy?id=73932

![{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}](/wi

策略天梯链接： https://bigquant.com/live/mall/strategy?id=65216 需要源码、量化交流的可加WX，WX号：gplhjy

策略当前效果： 运行2个月，每支票持仓2天胜率65%，累计收益60%，最大回撤6%，年化收益1000%+