Smart Buzz Sentiment for Asia

• J.P. 摩根，亚太地区，量化策略
• 用于自动检测、追踪和股票分析主题评级的NLP技术
• NLP technology for automated detection, tracking and ranking of top

CN_FUTURE 期货

CN_STOCK_A A股

期货基本信息：交易所编码，品种编码（策略，回测研究，日频回测，常用设置，期货基本信息表）

江河湖海回复

的动感时尚圣公会

地铁集团已经提交很多同行 洞庭湖

的条件的条件

/wiki/static/upload/6a/6a674d77-ea84-4e67-a8b9-aa2e7ec25c44.pdf

\

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