61st Meetup
由small_q创建，最终由small_q 被浏览 112 用户
一）因子研究
1.如何具体分析因子库的因子？如何使用因子库的因子？
见文档：https://bigquant.com/wiki/doc/bigalpha-EOVmVtJMS5
小市值因子的策略开发：小市值策略
2.ic 值怎么看，绩效组合怎么分析？
见文档：https://bigquant.com/wiki/doc/5zug5a2q5yig5p6q55qe5l255so5pwz56il-PiorOvSO8m
3.如何重采样做小时级、月线级的macd指标？
示例代码：重采样计算MACD指标
\
二）策略优化
1.是否支持电子货币？
支持。包括趋势策略、套利策略、多因子对冲策略。示例代码找小Q
示例代码：电子货币多头
2.如何度量量化策略？适合中小资金的量化策略有哪些？
量化策略绩效评估指标：https://bigquant.com/wiki/doc/5pl55yl44cb5yig5p6q57ut5p6c-zVz1DAb9qu
适合中小资金的量化策略：
1）StockRanker排序选股策略。特点：高收益
2）ETF、可转债策略 特点：收益稳定
3）其他。大类资产配置策略、电子货币策略等。特定：门槛低
\
3.如何判断策略是否还适用？如何优化出优质策略？
策略失效依据：
1）策略盈利逻辑明显变化，策略赚钱逻辑不成立了
2）策略研究存在重大错误，再次回测发现不满足实盘上线条件
3）超越了历史最大回撤、或产品清盘线
如何优化策略：
1）寻找优秀人才
2）寻找优质、全面数据
3）拥抱AI等先进技术和算法应用在金融投资
4）算力即权力
5）提升工程化、平台化能力，打造Pipeline科研流水线
6）扩展策略逻辑和思想
7）提升策略的鲁棒性、兼容性、稳定性
\
4.高频策略的核心是什么？
在于账户门槛和资金规模；在于下单速度和打单比率；在于高频因子及预测算法
\
三）深度学习
1.如何将深度学习应用于量化？
见DeepAlpha系列研究。提供DNN、CNN、LSTM、Transfomer等经典深度学习网络选股策略。
示例代码：DNN量化选股策略
四）策略实盘
1.被监管后对量化策略交易的未来有什么影响？
高频的策略受到一些限制。报撤单次数、申报费用等限制了高频和超高频交易。
\
2.怎么将策略与下单自动连接？
实盘账户开通。
文档见：https://bigquant.com/wiki/doc/5a6e55uy5pon5l2c5pah5qgj-tfTr6gaSw2
\