金融市场

金融市场是全球经济活动的核心，它是一个复杂的系统，通过无数种交易和活动，将全球的投资者、企业、政府和其他实体紧密地联系在一起。金融市场主要的功能是促进资金的有效流动和使用，提供了资金需求和供应之间的桥梁。它允许投资者通过股票、债券、期货、期权和其他金融工具进行投资，从而为企业和政府提供必要的资金。金融市场具有高度的流动性和透明度，使得参与者能够迅速、准确地了解市场情况和资产价格的变化。它的效率和健全性直接影响着整个经济系统的稳定和增长。此外，金融市场也是评估经济风险和决定资本成本的关键场所。然而，金融市场也充满了风险和挑战。市场波动、信息不对称、信用风险等问题都可能对投资者和市场整体造成损失。因此，有效的监管和风险管理对于维护金融市场的健康和稳定至关重要。总的来说，金融市场是现代经济的心脏，它通过促进资本的流动和分配，推动着全球的经济增长和发展。

求助请教，如何实现日线当日卖出后，资金直接用于买入？

# 回测引擎：每日数据处理函数，每天执行一次
def m19_handle_data_bigquant_run(context, data):
    #...
    # 2. 生成卖出订单
    print(f'{today} before cash:{context.portfolio.cash}')
    if cash_for_sell > 0:
        for instrument in sell_instruments:
            res = context.order_target(context.symbol

更新时间：2023-12-29 10:54

波动率公式及使用技巧

波动率（Volatility）是金融市场中用于衡量资产价格随时间变化的程度。波动率越高，表示资产价格的变动幅度越大，风险也越高。在股票市场中，波动率通常以历史波动率（基于过去的价格变动）或隐含波动率（基于期权定价）来衡量。

BigQuant的金融市场历史数据因子平台以及AI量化策略编写平台（PC端），可以验证波动率指标因子组成的量化策略。

![](/wiki/api/attachments.redirect

更新时间：2023-12-22 10:20

换手率公式及使用技巧含Python

换手率（Turnover）通常用于描述股票或其他证券在特定时间内的交易活跃程度。金融市场中，换手率可用于衡量股票的流动性，即股票在市场上买卖的频率和容易程度。

BigQuant的金融市场数据因子平台以及AI量化策略平台（PC端），验证换手率因子组成的AI量化交易策略。

![](/wiki/api/attachments.redirect?id=83ec82a2-6c14-4425-8bae-05b216f7

更新时间：2023-12-21 11:08

基于遗传算法挖掘股票因子

https://bigquant.com/codeshare/9aa6342b-2c67-4417-afea-0d5874e5d340

更新时间：2023-12-15 02:54

量化交易是什么意思

不会代码也可以使用量化工具提升投资效率和收益概率的。

今天简单介绍下量化交易如何快速入门。

量化交易是什么意思

量化交易是一种使用高级数学模型、统计分析和计算机算法进行交易决策的方法，应用范围一般包括股票、期货、外汇和衍生品等金融市场。它主要依赖于金融市场中的价格、交易量、经济指标等大量历史和实时数据，用以识别市场趋势、估值、波动性等关键因素。

量化交易者可以通过使用复杂的数学（包括统计学、概率论、机器学）模型来分析数据和预测市场行为，并通过计算机算法预设的规则和模型自动执行交易。

![量化交易平台](/wiki/api/attachments.redirect?id=05

更新时间：2023-12-08 11:10

交易引擎

交易引擎简介

1.1 交易引擎的作用

交易引擎回测模块的功能是实现用户的交易逻辑

当用户将策略编写好之后，我们需要在一段时间当中，用策略逻辑，模拟一下在金融市场中的买卖，通过收益情况判断策略的好坏
如果想测试策略在某段历史时期上的表现，只需在本地运行回测模块即可
如果想测试策略从今天开始一直到未来的表现，需要将含有回测模块的策略提交到模拟交易
在交易引擎中，用户可以自定义一些买卖逻辑，也叫交易逻辑，它和策略逻辑还是有一定区别的

策略逻辑与交易逻辑的对比：

策略逻辑	交易逻辑
使用什么样的数据\n使用什么

更新时间：2023-12-06 01:59

多元回归模型

请教一下，用1000多个股票一年的收益率数据和20个因子做多元回归模型，这里有多只股票和多个日期，应该要怎么处理呢？如何预测股票收益率？

更新时间：2023-11-27 06:10

策略有办法实时运行吗？

如下午14点50，判断是否涨停，没涨停就卖出这种

更新时间：2023-11-27 05:56

算法交易的主要类型与策略分析

前言

算法交易起源于上世纪中叶的配对交易

历史上最早使用算法交易的例子可以追溯到1949年。对冲基金之父阿尔弗雷德·琼斯，利用空对多3：7的比例进行配对交易，在1955年到1964年间，综合回报率高达28%。到了上世纪60年代早期，投资者开始利用计算机通过分析股票的周线和月线来预测价格运动方向。

配对交易逐渐成熟，发展成后来的算法交易。随后算法交易策略慢慢在华尔街流传开来并被广泛使用，同时也带来了非常可观的盈利。原来在摩根士丹利从事配对交易的研究员，后来逐渐成为如大卫·肖、詹姆斯·西蒙斯这类明星基金经理手下的精英，算法交易的“黑盒子”便由此诞生。

随着计算机的广泛普及，华尔街各大

更新时间：2023-11-26 16:58

AI Alphas(A股版)

本篇报告详尽地介绍了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。希望本文能帮助读者拓展研究思路，应用AI来做更好的量化策略研发，把人工智能的能力赋予更多的投资者 (Democratize AI to empower investors)。

摘要

本篇报告构建了一个完整的可复用的 人工智能阿尔法策略框架。

本篇报告用AI对基本面、财务、交易型等 282个因子 做了单因子策略研究和多个维度上的绩效分析，并 **发掘了在短、中、长周期上多个夏普比率超过1.5 、年化收益超过 30

更新时间：2023-11-26 16:58

监督式机器学习算法的应用：择时

导语

《Machine Learning for Stock Price Forecasting》是Ali El-Shayeb撰写的机器学习系列文章，本文主要介绍其第二部分内容——《监督式机器学习算法的应用》，并将其思想和代码应用在中国股票市场，开发出具有择时功能的监督式机器学习算法，最后进行策略回测。对此感兴趣的小伙伴可以直接在本文文末克隆策略源代码，进行深入和扩展研究。