\

前言

棋手柯洁研究了大半年的围棋软件，竟然发现人类关于围棋的认知“全都是错的，……甚至没有一个人沾到围棋真理的边”。

而在投资上用了人工智能后会我们发现，人类过去关于投资的认知也可能都是错的

用户小a从事量化投资快三年了，在我们的平台上，做出了非常漂亮的结果，符合他过去的经验逻辑，但效果

作者：Harry Nicholls编译：caoxiyang

导语

你有没有想过如何使你的交易策略自动化并增加交易利润？在本文中，我们将介绍算法交易的基本知识，好处和风险。准备好开始自动交易吧！ ![](/community/uploads/default/original

想到哪里写哪里，最近总结，把思路捋直了再说。 2017年开始接触策略下半年开始了解bigquant。之前在JD。。。。后来。。。。 2017下半年到2018年上半年策略从A策略开始接触，B从A升级过来， B到C策略建立，经过上千次的回测和修改，18年下半年放下休息，等结果。 这期间A建立之后做了几十

之所以需要查看中间变量的数值是因为我们有时在编写策略、策略调试中需要检查中间变量的数值是否正确，具体方法见下：

[https://bigquant.com/experimentshare/318dd5e24d3a4578b858f4a1226aca3b](https://bigquant.com/

很多时候需要为非专业人士解释机器学习，本文提供以下参考。

1.机器学习意味着：从数据中学习

机器学习目前风头正劲，AI也是热搜词汇。只要将合适的数据放入合适的模型，许多问题可以迎刃而解。如果能够帮助你宣传，就叫它AI吧。但请记住，AI，除了在学术界以外，常常是大家可以随意使用的热门词汇，

自 BigQuant AI策略详解 继续讨论： @soft05jun

拟合是一种学习能力，过度拟合是机器学习方法重点

https://bigquant.com/experimentshare/b8594b8ef8b84fc1bf0a4a3433e0767d

\

作者：Mybridge
翻译：BigQuant

我们比较了2017年全年近2万篇关于**机器学习应用

作者：James Le 编译：caoxiyang

在机器学习中，有一个叫做“世上没有免费午餐”的定理

作为平台的铁杆用户，本文主要分享下使用StockRanker模型来实盘交易的一些经验。

在机器学习领域，预测的结果依赖于：数据、算法和特征，因此真正好的策略一定是特征选择和特征构建非常好。

平台的StockRanker模型策略生成器只是搭建了一个策略框架，输入不同的特征就可以看到不同的策略效果。

\

schedule_function(func, date_rule, time_rule)中timerule的every_minute 是否在回测，模拟盘和实盘中都生效，都是指当日的 刚过去的1分钟 ，还是说只在回测生效？

[https://bigquant.com/experime

打开因子链接需右键单击选择新标签页打开并克隆到自己的策略开发环境

日前，在“AI+金融 数造未来”X-BigQuant1.0系统发布会上，君道量化执行董事林明轩发表了《量化思维在A股中的运用》的演讲，内容如下：

策略构建思路

还原投资这件事情的流程，就是获取信息——信息处理——构建策略。

就像我们晚上出去开车，首先把车灯打开，然后看一看有没有红绿灯、行

前一段日子有一个投资者朋友，给我发了一个海外对冲基金的宣传材料，让我帮他看一下。这位投资者来自于中国的一个二线城市，年纪比较大，对海外投资产品和市场不是很熟悉。

我一开始给他的建议是既然不是太熟悉，就应该循序渐进，先买一些简单的产品，不要一上来去投资那些比较复杂的对冲基金。但是这位朋友反复

整本书差不多已经到10%，后面会跳过一些内容，加快进度，订单、流动性相关章节就多写写。

4.4 LIMIT ORDERS

限价单可以在我们最心仪的价位成交，对于买入的订单，成交价格必须低于或者等于限价单价格，而对于卖出的订单，成交价格必须高于或者等于限价单价格。

在一个连续交易的市场，如

商品期货多因子模型探索

Jesse et al. (2016)发现，可以用三因子模型（Carry也就是展期收益率，MKT也就是所有期货品种的平均收益率，TSMOM也就是时间序列动量）解释商品期货的现货溢价和期货溢价，用三因子模型作为衡量商品基金的基准，就好比是用Fama-French三因素

这是关于股票主动投资组合管理的第一篇教程。在开始介绍正式内容之前，我先简要简要说一下《Alpha系列》的初衷。

近年来，随着国内大数据和人工智能的迅速崛起，量化交易领域也有了长足的发展。 从原来的指标驱动型程序化交易，演化到现在的以机器学习、人工智能为代表的新型量化交易。同时，量化交易的门槛与过去

其实财务报表分析最核心的东西，是通过财务报表这个结果，由果推因，找出造成这个结果的原因。

会计是商业的语言

首先第一个问题是——会计是商业的语言，这是会计的根本。

什么叫“语言”，就是可以通过它进行交流。比如我是一个中国人，我会英语的话，到了美国我可以用英语跟美国人交流，我与

对程序化模型测试来说，所测试的期货品种越多，越能检验出模型对不同品种的适用性。

1、测试参数的设置 测试参数设置的不同所得到的测试结果差异很大，客观设置测试参数关系到模型交易效果的真伪和对模型的最终取舍。程序化交易模型的测试结果对未来市场有多大的适用性是由以下三大要素决定的：

一是测试的

https://bigquant.com/experimentshare/2fbb2629dcb0450bbf72e224835b4957

\

导语

回归、分类和排序是我们经常遇到的问题场景。本文主要介绍如何实现回归和分类两类问题的模型构建。

首先我们明确一下算法在机器学习中的地位。一般来说，机器学习有三个要素： 数据、算法和模型 。

• 数据 是场景的描述，包括输入和输出。
• 算法 是得到模型的过程，

导语

本文将介绍LSTM模型的原理与构建其选股模型的流程

LSTM简介

循环神经网络（RNN）

传统的神经网络是基于所有时刻的输入和输出间相互独立的假设来生成已学习数据的静态模型，并根据新接受的数据进行运算。但在很多情景中，如语音识别中预测当前的单词的含义，需要知道之前的输