绝大多数的散户目前都是采用主观投资法，所以才会造成买了就跌，卖了就涨。因为主观投资容易被市场情绪所影响，会被自己的心魔所控制。

由于是主观投资，所以每次买卖过程中都充满了恐惧和贪婪，买了就怕跌下来，卖了又怕涨上去，持股过程一直处在焦虑之中。

量化投资由于是按照模型发出的信号来操作，无需参杂人的主

自我介绍

策略盈亏

在介绍自己之前，先看一下入坑一年写的一些策略吧，毕竟在这里策略的效果比名字有用。

![{w:6

\

在回测模块中，例如生成订单日期是1号，实际下单日期是2号。2号的时候是可以调用盘前处理的。盘前处理的时候如果使用data.histroy是可以在盘前就获取当天的开盘和收盘信息的。这个属于未来函数，不过如果下午交易，用上午开盘价是否低开做cancel order判断是ok的。但是问题来了。回测这样操作

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112%，2年累计收益327%，属稳妥型策略，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。
 **

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112%，2年累计收益327%，属稳妥型策略，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。
 **

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112%，2年累计收益327%，属稳妥型策略，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。
 **

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112%，2年累计收益327%，属稳妥型策略，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。
 **

    虽然都明白，但是实现难度有点大。会实现的又不会轻易分享。基于上述理由，我做了基于tushare行情数据

的深度学习模型，模型开源api接口。欢迎大家围观，

个人gitee主页 https://gitee.com/fsmyi/projects

回测的话

某机构调查发现，近年来，通过电子渠道进行的交易有所增加，所有资产类别的交易员都预计，这种上升趋势将在未来两年继续下去。 摩根大通的瓦克说，我们经历了两年多非常不寻常的疫情，在市场非常动荡的情况下，许多客户从办公室搬到家里，这对增加电子交易来说是一场完美风暴。 不过摩根大通的Wacker表示，人工智能

个股信号开仓前多指标风控。

大盘多指标择时。

最大回撤出现在22年行情急速下跌时，在这之前回撤10左右。

个股初始止损8%

def bigquant_run():
    param_grid = {}

    # 在这里设置需要调优的参数备选
    # param_grid['m3.features'] = ['close_1/close_0', 'close_2/close_0\ncl

作者:woshisilvio

AI量化的玄学- 第一章

如何更有效率的对抗过拟合？ 对抗随机性？---

答

Overview

• 研究数字货币价格走势
• 算力变化对数字货币价格的影响

获取数字货币代码列表

• 使用 f2pool 的数据

def bigquant_run(input_1, input_2, input_3):
    import requests

1.起因：最近刚刷到某J量化平台的代码复现，觉得很巧，因为最近我也在复现此篇研报。

2.研报因子梳理：研报对隔夜涨跌因子的定义分析总共是经历三个阶段：传统隔夜涨跌因子，新隔夜涨跌因子，去除系统性收益的隔夜涨跌因子。本代码一步到位：直接对最终的涨跌因子进行复现分析。

**3.本代码

策略案例

[https://bigquant.com/experimentshare/41ba8c41f99346a6872f3ecac3a50c80](https://bigquant.com/experimentshare/41ba8c41f99346a6872f3ecac3a50c8

/

https://bigquant.com/experimentshare/3cbd09c0d13244e993b3e17afdb0479e

\

策略案例

[https://bigquant.com/experimentshare/6ac00fc386f74acb886b8168d7809b98](https://bigquant.com/experimentshare/6ac00fc386f74acb886b8168d7809b9

Asymmetry of Retail Investors’ Attention and Asymmetric Volatility: Evidence from China

作者：Shuning Chen, et al.

出处：Finance Research Letters, 2020-10

作者：Jianchun Fang, et al.

出处：Finance Research Letters, 2020-01

摘要：本文研究了投资者情绪与中国股市波动之间的关系。作者使用百度的数据来获取有关投资者情绪的信息。在两个不同的GARCH模型中（基准模型和百度指数扩展模型），作者预测了中国

作者：Ashiq Ali, et al.

出处：Journal of Accounting, Auditing& Finance，2019-03

摘要：本文探讨了公司信息披露行为是否是导致预测离散度异常的原因之一，即分析师预测离散度与未来股票收益之间存在负相关关系。之前的研究表明，企业倾向于推迟

Information Flow Networks of Chinese Stock Market Sectors

中国股市的行业信息流动网络

作者：Peng Yue, Qing Cai, et al.

出处：arXiv.org, 2020-04

摘要

Constructing Long-Short Stock Portfolio with A New Listwise Learn-to-Rank Algorithm

作者：Xin Zhang, et al.

出处：Quantitative Finance, 2021-07

摘要：随着机器学习

Left-tail Risk in China

作者：Fang Zhen, et al.

出处：Pacific-Basin Finance Journal, 2020-07

摘要：Atilgan等人曾研究发现，在美国和国际发达国家，左尾风险与个人股票交易的未来收益之间存在显著的负截面关系。中国