首页 编写策略 数据平台 策略社区 我的策略 宽客学院 知识库
免费注册

BL模型的泛化扩展，熵池模型之理论篇-国盛证券-20200318

摘要

本报告将介绍一种前沿观点融合模型：熵池模型。熵池模型由KKR前首席风险官Attilio Meucci于2008年提出，主要作用为将主观或者量化的观点通过分布更新的形式融入到风险模型中，用于资产配臵或资产定价。模型当前在许多海外的大型金融机构中已开始普及。

**熵池模型vsBL

由qxiao创建，最终由qxiao更新于

蒙特卡洛估算定积分平均值法Python实现

如何估算任意函数积分

对于给定的函数，我们可以通过公司计算积分。但对于计算机，对于任何复杂的函数，我们如何运行算力优势，快速估算积分。附python代码实现完整notebook，可以直接克隆运行。

原理

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

由think创建，最终由think更新于

动态情景Alpha模型再思考-东方证券-20170217

研究结论

抽象出了动态情景Alpha模型（DCAM）的一般框架，DCAM是传统的静态模型的层次化叠加，当只有一个情景且该情景只有一个情景区间时DCAM退化为静态模型。

衡量一个情景因子好坏的主要标准就是这个情景下不同区间的alpha模型的差异化程度，即该情景下不同区间股票预期收益的

由qxiao创建，最终由qxiao更新于

东方机器选股模型Ver1.0-东方证券-20161107

研究结论

机器学习容易给人“黑箱模型”和“过拟合”的印象，但事实上一些机器学习算法的逻辑和结果都非常直白，而且算法自身带有一套避免过拟合的参数估计机制。众多的实践研究说明，机器学习方法的预测能力大部分情况下都强于线性模型，很值得在量化投资中测试使用。本报告主要讲述机器学习的基本原理和

由qxiao创建，最终由qxiao更新于

线性高效简化版冲击成本模型-东方证券-20161021

研究结论

对于大规模资金产品，30-50bp的冲击成本估算在某些市场环境下远远不够，我们上篇报告引入了Almgren(2005)的模型来估算冲击成本大小，并加入组合优化目标中，定量权衡组合alpha与冲击成本的利害关系。

Almgren（2005）冲击模型采用的是幂函数非线性形式，

由qxiao创建，最终由qxiao更新于

结合中高频信息的指数增强策略-天风证券-20200514

摘要

数据频率与预测宽度

数据频率与预测宽度数据频率与因子预测时间宽度存在天然隔阂，数据频率越高其时间序列自相关性便越低，所能预测的时间宽度通常越有限。因此信息的变频处理对于在中高频数据中构建⻓周期alpha尤为关键。本篇报告中，我们希望探索中高频数据的通用化降频方式，进而我们通过

由qxiao创建，最终由qxiao更新于

基于交易热度的指数增强-东方证券-20151214

研究结论

前期的专题报告《投机、交易行为与股票收益（上）》中我们提出利用特质波动率、特异度、价格时滞、市值调整换手四个交易行为类指标可变相度量个股被投机的程度，进一步分析我们发现特异度、和市值调整换手两个指标几乎可以包含四个交易行为类指标的所有有效信息。

通过加总特异度、市值调整换

由qxiao创建，最终由qxiao更新于

低特质波动，高超额收益 东方证券-20150909

研究结论

海外和国内股票市场都发行过很多低波动指数，该类指数通常用一段时间收益率的标准差来衡量股价的波动，长期来看表现优于对应的基准指数。股价的波动很大一部分是由市值、估值等一些公共的市场风险因子引起，剔除掉这些公共因素后的剩余波动称为个股的“特质波动”，由个股的自身特性决定。我们的

由qxiao创建，最终由qxiao更新于

投机、交易行为与股票收益（上）-东方证券-20151207

研究结论

由于市场体制、投资者结构、投资者教育等多方面的原因A股市场投机性较强，既然不能改变A股投机的事实，我们不妨研究如何在投机市场中获利。

我们将个股被投机的过程划分为4个周期，投机程度增强的周期一般伴随着股价的上涨，过度投机后投机程度减弱的周期一般伴随着股价的回落，因此，买入

由qxiao创建，最终由qxiao更新于

如何准确测算预期股息率？20220824-光大证券

摘要

传统股息率计算方式存在弊端：股息率指标是一个内涵信息丰富的价值因子，一个高股息率的公司需要至少满足（1）高盈利（2）高盈利预期（3）低估值等多种条件。因此，正确的计算股息率是一项重要且复杂的任务，传统的动态股息率和静态股息率计算方式存在较大改进空间。本篇报告从现金股利政策角度入手，全方

由small_q创建，最终由small_q更新于

其他


\

由small_q创建，最终由small_q更新于

因子分析和因子看板

导语

对因子进行分析，查看因子过去的表现，利用因子看板追踪因子在未来时间的表现。本次课程详细介绍因子分析功能及分析结果解读。

课程视频

[/wiki/static/upload/27/27e7aaba-5a1d-401d-bfee-5f8df58e03b6.mp4](/wiki/s

由bigquant创建，最终由bigquant更新于

其他


\

由small_q创建，最终由small_q更新于

Frontier in Factor Investing 9月15-16日将在线下举办

会议介绍

因子投资前沿会议（Frontier in Factor Investing）是由Lancaster大学管理学院金融计量经济学、资产市场及宏观经济政策研究中心(EMP)、剑桥大学捐赠基金资产管理研究中心(CEAM)及景顺有限公司合办。该会议从2018年开始，每两年线下举办一次。202

由small_q创建，最终由small_q更新于

AI绘图 Deep Diffusion Model 学习综述

Overview

最近很多人因AI绘图的表现而大受震撼，甚至有人说2022年是AI绘图元年，Diffusion Model(扩散模型)在其中起了主要作用。

OpenAI、Google、Facebook、微软等国外AI头部企业都发表了相关研究成果和原型。OpenAI 的 DALL·E 2 ，

由think创建，最终由think更新于

境外交易所市场数据业务研究与启示

本文所述市场数据是指交易所为市场提供的行情数据和在此行情数据的基础上进行加工产生的衍生数据等。市场数据是交易所一项非常重要的资源，挖掘市场数据自身价值，可以起到在一定程度上吸引投资者从而活跃市场、为交易所带来可观的收益等作用。通过跟踪研究，笔者认为，境外交易所市场数据收入主要来源于 ：市场行情数据授

由think创建，最终由think更新于

期权入门教程PPT

Overview

期权入门学习PPT材料，从期权基础概率术语、规则解读、做市商制度到定价原理、交易策略、套利交易、风险指标等。

![{w:100}](/wiki/api/attachments.redirect?id=61edae18-0ff6-4de5-99bd-94709827482

由think创建，最终由think更新于

8步构建AI量化策略

导语

本次课程讲解如何利用可视化模块搭建AI量化策略，包含模块认识、搭建步骤、参数讲解。

课程PPT


[/wiki/static/upload/a4/a4721225-982e-47b4-9016-f056d54370ae.pdf](/wiki/static/upload/a4

由small_q创建，最终由small_q更新于

面试题

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <meta http-equiv="X-UA-Compatible" content="IE=edge">
    <meta

由bq4nqidt创建，最终由bq4nqidt更新于

谈IC系数与股票权重的联系：从相关关系到指数增强 中信建投_20180806

报告摘要

IC系数(InformationCoefficient)在测试单因子有效性方面扮演着举足轻重的作用在传统的多因子选股模型当中，IC系数在测试单因子有效性方面扮演着举足轻重的作用，它用来评判一个因子区别股票优劣的能力以及决定最终该因子在构建alpha组合时分配的权重。有关IC系数及其衍

由small_q创建，最终由small_q更新于

股票、偏股基金详细分析 银河证券_20181225

报告摘要

本文主要分析的范围是主动股票基金和偏股型基金。

我们分析过去的收益率数据，结合持仓分析、行业分析、以及风险，综合选出我们看好的股票基金和偏股型基金。

股票型基金我们推荐：中欧时代先锋A、大成高新技术产业、安信价值精选、南方天元新产业、嘉实新兴产业、诺安低碳经济、汇丰晋信

由vampire7777创建，最终由vampire7777更新于

分页：第1页第2页第3页第4页第5页第325页
{link}