前言

棋手柯洁研究了大半年的围棋软件，竟然发现人类关于围棋的认知“全都是错的，……甚至没有一个人沾到围棋真理的边”。

而在投资上用了人工智能后会我们发现，人类过去关于投资的认知也可能都是错的

用户小a从事量化投资快三年了，在我们的平台上，做出了非常漂亮的结果，符合他过去的经验逻辑，但效果

作者：Harry Nicholls编译：caoxiyang

导语

你有没有想过如何使你的交易策略自动化并增加交易利润？在本文中，我们将介绍算法交易的基本知识，好处和风险。准备好开始自动交易吧！ ![](/community/uploads/default/original

想到哪里写哪里，最近总结，把思路捋直了再说。 2017年开始接触策略下半年开始了解bigquant。之前在JD。。。。后来。。。。 2017下半年到2018年上半年策略从A策略开始接触，B从A升级过来， B到C策略建立，经过上千次的回测和修改，18年下半年放下休息，等结果。 这期间A建立之后做了几十

之所以需要查看中间变量的数值是因为我们有时在编写策略、策略调试中需要检查中间变量的数值是否正确，具体方法见下：

[https://bigquant.com/experimentshare/318dd5e24d3a4578b858f4a1226aca3b](https://bigquant.com/

很多时候需要为非专业人士解释机器学习，本文提供以下参考。

1.机器学习意味着：从数据中学习

机器学习目前风头正劲，AI也是热搜词汇。只要将合适的数据放入合适的模型，许多问题可以迎刃而解。如果能够帮助你宣传，就叫它AI吧。但请记住，AI，除了在学术界以外，常常是大家可以随意使用的热门词汇，

自 BigQuant AI策略详解 继续讨论： @soft05jun

拟合是一种学习能力，过度拟合是机器学习方法重点

https://bigquant.com/experimentshare/b8594b8ef8b84fc1bf0a4a3433e0767d

\

作者：Mybridge
翻译：BigQuant

我们比较了2017年全年近2万篇关于**机器学习应用

作者：James Le 编译：caoxiyang

在机器学习中，有一个叫做“世上没有免费午餐”的定理

作为平台的铁杆用户，本文主要分享下使用StockRanker模型来实盘交易的一些经验。

在机器学习领域，预测的结果依赖于：数据、算法和特征，因此真正好的策略一定是特征选择和特征构建非常好。

平台的StockRanker模型策略生成器只是搭建了一个策略框架，输入不同的特征就可以看到不同的策略效果。