高频交易员：华尔街的速度游戏 / （美）刘易斯著；王飞，王宇西，陈婧译；郑磊校译.

[/wiki/static/upload/ec/ec8b1e97-f1c8-47b0-ad80-9d9810ca5945.pdf](/wiki/static/upload/ec/ec8b1e97-f1c8-47b0

\

摘要

证券市场上的高频交易模式大体上分为四类：订单拆分策略、做市交易策略、定量化交易策略和其他策略。研究发现：（1）高频交易降低了买卖价差，提高了市场流动性，而并没有增加市场波动率，甚至反而可能降低了市场波动率；（2）没有发现高频交易者存在系统性抢单行为（并不排除有特定高频交易者存在此类行为

![图-1{w:100}](https://mmbiz.qpic.cn/mmbiz_jpg/h58eiaswG9Qf2FOXsjA1OezR2xupNfoic6u4iacUSheYH5ziaQxIZqqfriaUVgqBV3icpOhicJiaG3pvJPyJGxoiaP9V32w/640?w

日前，在“AI+金融 数造未来”X-BigQuant1.0系统发布会上，宽邦科技 总经理 梁举\湘财证券 副总裁 周乐峰\西南财经大学经济信

对冲基金投资指南-一本掌握全球市场盈利技巧

• 四种主要的资产类别：股票、债券、商品、货币
• 商品：高盛商品现货指数、路透商品研究局(CRB)物价指数
• 债券：美国10年期债券收益率
• 股票
• 货币
• 常态经济体：典型的通货膨胀率 1.5～3%
• 货币和商品走势往往相反
• 债券收益和

摘要

Stock momentum, long-term reversal, and other past return characteristics that predict future returns also predict future realized betas, sugge

创建一个hello项目

cargo new hello_cargo
cd hello_cargo
cargo build

安装vscode rust插件

• rust

  ![{w:100}{w:100}](/wiki/api/attachments.r

Rust学习曲线

rust学习过程中的难度曲线。一个字，刺激

![rust 学习曲线{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}](/wiki/api/attach

摘要

揭秘微软院亚研院AI量化投资研究 展望行业未来发展六大趋势

微软亚研院 2017 年以来共发表12篇AI量化投资学术研究，其中选股主题超过半数，其他涉及风险模型、算法交易、数据增强、时间序列预测、基础架构等话题。这些研究的突出特点是前沿和务实，具有较高参考价值。前沿是

所有条件不变的情况下，回测买入股票有问题，回测到1月20日，输出日志内1月21日买入的股票跟回测到21日，回测中实际买入的股票不符，什么原因？

练习题目

1.利用AI可视化策略模板构建AI策略 ：

设置训练集的结束日期不晚于2019.12.31日(可自由选取之前的某个时间段),

设置测试集起止时间 2020.01.01-2021.10.15

2.策略回测练手

• 尝试修改该因子组合，参考一阳穿多线的因子

许多朋友在运行策略遇到策略报错时，都不知道该如何处理，本文将为大家提供一个解决思路，帮助大家一步步解决问题。

目录

第一步.查看策略日志

第二步.查看报错信息

第三步.社区搜索

第四步.问题分享

**第一

\

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}](/wiki/api/attachments.

\

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

\

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}](/wiki/api/attachments.

摘要

GAN的核心思想是通过学习真实训练数据，生成“以假乱真”的数据

本文关注生成对抗网络GAN及其在量化投资领域的应用。GAN的核心思想是通过学习真实训练数据，生成“以假乱真”的数据。GAN包含判别器D和生成器G两组神经网络，引入博弈的思想，通过交替训练的方式达到纳什均衡。我们训

{{use_style}}

数据来源

数据均来源于wind

假期日历

假期日历

表名: holidays_CN

摘要

随机森林模型是以Bagging并行方法集成决策树而得到的强分类器

随机森林（RandomForest）是近年来备受青睐的机器学习方法之一。随机森林是以Bagging并行方法集成一系列决策树而训练出的强分类器，可以较好地应用于分类和回归的不同场景下。本篇报告我们将对随机森林模型

\

摘要

基于自适应风险控制的指数增强策略

收益预测模型

我们从规模、估值、成长、盈利、技术、流动性、波动等维度筛选出有效因子，对有效因子我们采用对称正交的处理方式来剔除因子之间的多重共线性，使得复合因子的选股能力带来了显著提升。此外，选股因子通常都有其合理的投资逻辑，当我们

怎么用bigquant的架构来获取每天涨停的个股，不是用传统的代码打出来的那种，试过好多次！老是运行的结果错误！