策略案例

[https://bigquant.com/experimentshare/a4487be0f1a9468faadee1be471b7d26](https://bigquant.com/experimentshare/a4487be0f1a9468faadee1be471b7d

策略案例

[https://bigquant.com/experimentshare/1a614899a9484f9e8d7f9a58dac50385](https://bigquant.com/experimentshare/1a614899a9484f9e8d7f9a58dac503

有些平台朋友在研究深度学习模型时，可能想要知道模型的结构以及中间层的结果。可以参考下面的例子：

策略案例

[https://bigquant.com/experimentshare/32799fded7e84806b818377adef96afb](https://bigquant.com

PCA方法简介

这个方法使用股票的历史量价数据，在N个股票的横截面上向前追溯M天。在原始的Avellaneda的论文中，他假设所有的横截面都是完全一致的，然而在实践中，这个假设是不靠谱的，比如沪深300的成分股会随着时间的变化而变化。

我们定义股票在任意给定的时间点上t0，往前追溯M+1天

导语

美林投资时钟其主要原理是根据经济增长和通货膨胀趋势，将经济周期划分为4 个阶段：复苏、过热、滞涨、衰退。复苏周期配置股票，过热周期配置大宗商品，滞涨周期持有现金，衰退周期配置债券。 国信金工在《海外量化技术本土化系列报告之十一：美林投资时钟A 股市场探讨》中分析了美林投资时钟直接用于A

策略案例

[https://bigquant.com/experimentshare/50587a5bf63646e0b50bac78a9658ba0](https://bigquant.com/experimentshare/50587a5bf63646e0b50bac78a9658b

导语

本文旨在普及机器学习的使用，对于文章涉及到的模型策略不具有实盘参考意义。

Boosted Trees

XGBoost 是 “Extreme Gradient Boosting”的简称，其中“Gradient Boosting”来源于附录1.Friedman的这篇论文。本文基于

利用深度学习技术预测股票价格

[https://bigquant.com/experimentshare/e5f507b16e4f4461ac07da23c9693c02](https://bigquant.com/experimentshare/e5f507b16e4f4461ac07da23c

导语

在上一篇文章中，大家对新建一个AI可视化模板策略有了初步的认识，但看到策略中众多的模块与看似复杂的连线心中不免存在疑惑，没关系，本篇文章中，我们就来为大家完整介绍一个AI量化策略的组成结构以及涉及的基本概念，希望可以帮助大家对AI量化策略建立一个全面初步的认识。

基

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DNN模型及其在量化投资领域中的应用。

深度学习在量化领域的应用

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

导语

本文分享了一个简单的基于双均线的基金策略，主要是使用平台的回测引擎做一个基金的回测，给大家分享一些关于基金回测的tips。

策略基本思路

策略思想是：当短期均线上穿长期均线时，形成金叉，此时买入基金。当短期均线下穿长期均线时，形成死叉，此时卖出基金。研究表明，双均线系统虽然简

导语

本文主要分享一个基于Deep Q Network的对于个股的择时策略

算法简介

DQN与Q-Learning

本文主要使用的是Deep Q Network。DQN是强化学习的一种方法，结合了Q-learning和深度学习神经网络。

Q-learning是用一张表来

导语

机器学习里面究竟有多少经典的算法呢？本文简要介绍一下机器学习中的常用算法。这部分介绍的重点是这些方法内涵的思想，数学与实践细节不会在这讨论。

回归算法

在大部分机器学习课程中，回归算法都是介绍的第一个算法。原因有两个：一.回归算法比较简单，介绍它可以让人平滑地从统计学迁移到机

简单来讲，量化投资就是利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程。

量化交易 是指借助现代统计学和数学的方法，利用[计算机技术来进行交易的证券投资方式。量化交易从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，用数量模型验证及固化这些规

学习量化也有一段时间了，BigQuant平台与知乎可以说是我的主要学习战场了，一直在跟着BigQuant学院那个《AI量化训练营》学习，再从从知乎中寻找优秀文章进行补充，最终在平台进行实践，我觉的这样效率很高，我整理了知乎量化交易话题，及程序化交易、宽客、多因子模型等子话题中的精华帖，筛选了高赞的文

商品期货多因子模型探索

Jesse et al. (2016)发现，可以用三因子模型（Carry也就是展期收益率，MKT也就是所有期货品种的平均收益率，TSMOM也就是时间序列动量）解释商品期货的现货溢价和期货溢价，用三因子模型作为衡量商品基金的基准，就好比是用Fama-French三因素

这篇文章的主要目的是介绍有效前沿这个理论工具和分析框架。我们由均值方差分析展开，逐步推演到有效前沿。然后，我们又说到有效前沿在投资或者量化中的应用场景，最后我们也总结了有效前沿的一些问题，尤其是敏感性问题。在教程中，特意加入了一些实验代码，可以让大家在阅读的过程中有更好的理解。

有效前沿

导语

本文参考了国信证券关于经济周期与股市研究的几篇研报，简单介绍了国信投资时钟，为经济周期系列研究第一篇。

背景介绍

美林投资时钟其主要原理是根据经济增长(产能缺口)和通货膨胀趋势，将经济周期划分为4 个阶段：复苏、过热、滞涨、衰退。复苏周期配置股票，过热周期配置大宗商品，滞涨周

导语

Hilbert变换是一种有效的数据周期分析工具，将原始信号延迟90°相位，从而方便的提取出当前信号在周期变换中所处的相位，进而对趋势进行判断。

![](/community/uploads/default/original/2X/6/6d688b13feb767dc64b487a1

https://bigquant.com/experimentshare/f4d638aad6ce4c50b9851f1b7681d086

\

https://bigquant.com/experimentshare/7b584f05028d4314980bb4f80ad33f69

\

https://bigquant.com/experimentshare/9d63b4ca46fc40bfac5fa7843d4f89cf

\

https://bigquant.com/experimentshare/3e9b0e7623284f01b7e206d1a3df4b92

\

https://bigquant.com/experimentshare/5ffea17cf0ca4e78ab50a84762c2b596

\