Overview

说到量化投资和研究，很多人有一个基本认知，就是通过数据观察和分析，提出假设，然后通过回测来验证假设。通过验证之后，再上实盘验证。当然，其中有一些深入的细节。比如回测可以是样本内+样本外。这里有篇学术论文，其中一个观点就是大部分人跑的回测都没什么意义。论文的作者是前AQR的机

2017年初，我们开发了RSRS指标与择时模型用以预测宽基指数的未来涨跌方向。本文回顾与总结了RSRS择时模型样本外跟踪的近3年时间里在不同指数上的择时表现与暴露出来的不足之处，并通过对指标算法进行优化尝试改进RSRS指标及其择时策略。

样本外RSRS择时策略整体表现较好

RSRS择时策

摘要

另类标签和集成学习有助于提升人工智能选股模型的超额收

对于量化选股模型来说，另类标签指有别于收益率的标签，也可视为一种“另类数据”。本文通过设置多种测试情形，对比了另类标签(信息比率和Calmar比率)与传统收益率标签在构建人工智能选股模型的优劣。相比收益率标签，另类标签在全

导语

当用户训练出具有一定意义的深度学习模型的时候，把训练得到的模型固化到本地可以方便以后的调用，关于如何固化深度学习模型，请移步这里，一般来说，固化深度学习模型是为了节省下一

导语

当用户训练出具有一定意义的深度学习模型的时候，把训练得到的模型固化到本地可以方便以后的调用，关于如何固化深度学习模型，请移步这里，一般来说，固化深度学习模型是为了节省下一

\

寻加密货币量化策略开发人员，一同组建策略开发工作室，CD地区，有意者可加V。小白勿扰……

https://bigquant.com/experimentshare/28a454b6532144eb819a78efae160768

\

https://bigquant.com/experimentshare/7ef4687a8cff48c3a1e5960a493dc1e7

\

/wiki/static/upload/e0/e01b0948-5f18-481e-ae7b-9f8748add087.pdf

\

问题

超参搜索求评分最大值问题

请问超参搜索后，如何写代码求搜索出的评分score最大值及所在的寻优参数？

问题

问题描述

LN模块运行报错问题

LN模块运行报错，请问如何修改？ has arguments in __init__ and therefore must override get_config

问题策略

[https://bigquant.com/ex

问题

• m12模块标准化Label列不起作用

• 请问如何在条件过滤后，再将Label列标准化？如何修改？

  https://bigquant.com/experimentshare/6577b5d61c9048d6afa28a2bd2a6f404

\

问题

<InvalidArgumentError: Incompatible shapes: [1024,1,2,1] vs. [1024,1]>

第二个卷积层m2 conv2D能否降维，为什么报错差2个维度？1024这个数如何计算出来的

[https://bigquant.c

问题

之前可正常运行的策略，现在运行报错，请帮看一下如何修改

[https://bigquant.com/experimentshare/af484ee0a0fc4249885ec31bd8c8f659](https://bigquant.com/experimentshare/af484

摘要

在水木股版上看到的一个交易系统帖子，适合初学股票投资的人，整理下来

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

摘要

本报告主要解决以下三个问题：

基本面层面，消费行业最重要盈利指标有哪些？

估值层面，如何定量地去确定消费行业估值高估或者低估的程度？

应用层面，如何基于盈利和估值去对消费行业做择时和选股？

ROE决定了消费行业绝对收益率、相对收益率以及估值中枢。其中，绝对收益率体现在消

金融工程：磨底阶段，下行有限

行业表现强度前五：农林牧渔,食品饮料,电子,综合,化工。强度后五：银行,通信,传媒,休闲服务,计算机。

指数估值↑：中小板指、上证50、沪深300

行业估值相对PE较低：商贸、建筑材料、地产、建筑装饰、采掘。相对PE较高：计算机、有色、国防军工、通信、食品饮料

摘要

Tsharp值[Time-varying Sharpe Ratio]由RobertF.Whitelaw (1994.1997)首次提出，其与夏普比率类似，表示单位风险的超额收益，不同的是前者的收益率与方差系通过回归方法而得，因此其呈现随时间改变的特性。Tsharp值通常与经济周期反

摘要

模型对上证指数取得较好的择时收益

本文采用小波分析加支持向量机的方法构建量化择时模型，并检验了在不同参数条件下预测模型对应交易策略的有效性。最终发现预测模型得到的交易策略对上证指数具有较好择时效果，在训练时间窗为5个交易日的情况下，经过小波分析滤波后得到的预测模型单日预测正确

摘要

夏普率与时变夏普率

夏普率（Sharpe ratio）由1990年诺贝尔经济学奖得主威廉-夏普（William Sharpe）提出，用以衡量金融资产的绩效，其原理就是计算单位风险所产生的超额收益。而Robert Whitelaw（1994）将这一概念继续改进，将夏普率加入到时

摘要

高阶矩的存在与影响

在马科维茨的资产定价理论中，通过期望（实际上是一阶原点矩）来描绘资产的收益，方差（二阶中心矩）来刻画资产的风险。这样做的基础是假设资产价格服从正态分布。但在实际中，这一点很难保证，特别是在市场大跌遭遇危机之时，资产价格迅速下降，震幅明显上升，波动率迅速升高

传统移动平均线（MA）的缺点

移动平均线（MA）是技术分析中常用的一类趋势跟踪指标，其可以在一定程度上刻画股票价格或指数的变动方向。MA的计算天数越多，平滑性越好，但时滞带来的延迟影响也越严重。因此，在使用MA指标进行趋势跟踪时，容易出现“跟不紧”甚至“跟不上”的情况。平滑性和延迟性在MA