预习材料说明

由bigquant创建，最终由bigquant更新于2023-05-05 06:15 被浏览 221 用户

导语

各位学员：大家好！欢迎参加《第四期AI量化投资训练营》，希望通过此课程，大家能够掌握扎实的AI量化知识、精髓技能，快速地实现从主观经验判断的传统投资到AI+大数据的新型投资转型。为了帮助学员更好地理解课程内容，准备了预习材料，现对预习材料作如下说明：

量化平台

本次课程基于BigQuant授课，可先在宽客学院和平台文档熟悉一下平台操作，方便上课时更快进入状态。

Python

从2017年开始，Python成为了现象级语言，一举拿下编程语言的C位。在 TIOBE编程语言排行榜中，Python也紧随Java、C之后，在开发者最喜爱的编程语言中位居第三名。

具有丰富的应用场景，涵盖全栈开发、网络爬虫、数据挖掘、人工智能、Web开发、系统网络运维、数据分析和计算、图形程序开发等方向。
上手快，相比较Java、C语言，难度减半。同一个任务，C需要写1000行，Java需要100行，py只需要10行。正是由于Python的这些特性，使其成为量化投资研究最流行的语言。Python是本次培训涉及到唯一编程语言。详见《材料一：python》

Pandas

在量化投资领域，大量的工作属于数据分析。Pandas是基于NumPy的一个开源Python库，它被广泛用于快速分析数据，以及数据清洗和准备等工作。简单地说，你可以把Pandas看作是Python版的Excel。有趣的是pandas的最初由AQRCapitalManagement于2008年4月开发，并于2009年底开源出来。AQR为一家对冲基金公司，历经20年而仍维持行业前列。其名称的缩写是：AppliedQuantitativeResearch,以应用量化研究为投资理念，目前管理规模约2000亿美元，是全球规模最大的量化对冲基金。Pandas很好地处理了时间序列特征的金融数据，可以说，它是量化策略开发和数据建模中使用最普遍的开源包。详见《材料二：pandas》

多因子模型

相似的资产会有相似的回报，这是多因子模型的基本假设。多因子模型作为量化投资研究领域的经典模型，在海内外各类投资机构均受到广泛研究和实践应用。虽然其在划分上属于传统量化投资，但其使用的模型和特征工程的思想也可以看作机器学习，因此本次培训也会对多因子模型进行介绍。多因子模型有完整的一套研究体系，国际领先的投资决策和风险管理工具的提供商Barra正是基于此提供完善的产品体系。学习多因子模型，可以加深我们对机器学习策略的认识和思考。详见《材料三：多因子模型与Barra风险结构管理模型》

AIAlphas

基于人工智能的阿尔法策略框架，包括基于AI技术在策略研究上的阶段性的工作和成果，并提供完整代码，读者可克隆策略，复现效果和继续改进。能帮助学员拓展研究思路，应用AI来做更好的策略研发，把人工智能的能力赋予更多的投资者(Democratize AI to empower investors)。详见《材料四：AIAlphas（A股版）》

机器学习

人类对新问题做出有效决策依靠的是过去积累的经验，并对经验进行利用，而对机器来说，“经验”以“数据”方式存在，机器从过去众多“数据”中产生模型，并对新数据进行预测，这个过程就可理解为“机器学习”。机器学习是人工智能领域中最能够体现智能的一个分支，也是发展最快的一个分支。本次培训提到的人工智能，主要指机器学习在量化投资中的应用，包括深度学习。详见《材料五：机器学习〔中文版〕》《材料六：机器学习》《材料七：introductionmachinelearning》

Deep Alpha-DNN

Deep Alpha是BigQuant借鉴深度学习模型应用于金融量化投资领域的系列AI模型，包括全连接深度网络(DNN)、卷积神经网络(CNN)、长短期记忆网络(LSTM)、对抗生成网络(GAN)、ResNet、TabNet等。

其中Deep Alpha-DNN是采用基础量价数据，模仿动物神经元的激发模式和连结模式，基于单个神经元以全连接的方式构建层数大于3的深度模型。我们在知识库撰写了DeepAlpha短周期因子研究系列之：DNN在量化选股中的应用

本报告完整体现了BigQuant算法组如何构建一个深度学习模型的基准框架，并且设置11个对照组检验模型的稳定性，同时设置把模型设置为滚动回测的模式，以更好地适应市场。滚动训练回测显示：**在2014年1月2日到2021年7月30日整个回测周期内，DeepAlpha-DNN策略的整体收益率高达3859.52%，**年化收益率为65.19%，α为0.7081，β为0.4677，收益波动率为32.81%，最大回撤为49.60%，整体夏普率达1.589，做到了8年近40倍。

学员们可以前往知识库查看删减版，如是会员也可联络小Q开会员专属空间。