量化投资

量化投资,一种以数据为驱动的投资策略,运用先进的数学、统计和计算机科学技术,对大量的金融市场数据进行深度分析和模式识别,以揭示市场运行的潜在规律。这种方法强调客观、系统和科学的决策过程,通过构建复杂的量化模型来指导投资策略的制定和实施。其核心在于利用计算机强大的计算能力,对投资目标进行快速、准确的评估和优化,从而在市场变动中捕捉机会,实现风险与收益的最优平衡。与传统的主观投资策略相比,量化投资旨在降低人为情感和主观判断对投资决策的干扰,以更精确、更一致的方式实施投资行为,满足投资者对于高效、稳定投资收益的追求。

浙商证券-金融工程研究报告-量化投资算法前瞻:强化学习

/wiki/static/upload/8e/8e97415d-7da8-4842-9c1b-5410a41e5136.pdf

\

更新时间:2024-06-18 06:05

从均值方差到有效前沿(文字版)

这篇文章的主要目的是介绍有效前沿这个理论工具和分析框架。我们由均值方差分析展开,逐步推演到有效前沿。然后,我们又说到有效前沿在投资或者量化中的应用场景,最后我们也总结了有效前沿的一些问题,尤其是敏感性问题。在教程中,特意加入了一些实验代码,可以让大家在阅读的过程中有更好的理解。

有效前沿

说到有效前沿(有些叫效率边界),就要提到马科维茨的投资组合理论了。

首先介绍下它的三大假设:

  • 单一投资期,比如一年
  • 流动性很高,无交易成本
  • 投资者的选择基于最优均值方差

于是,我们可以开始推导有效前沿,在这之前,我们先约定一些数学符号:

  • rf:无风险利率
  • μ:风险

更新时间:2024-06-17 07:25

Pandas基础操作技能get! 强烈推荐!

旧版声明

本文为旧版实现,仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU


下列代码在读取数据时,使用最新dai.query接口即可。

数据读取

\

策略案例

[https://bigquant.com/codesharev2/5509a634-c207-4eaf-a6f2-a73d15fada39](https://bigqua

更新时间:2024-06-12 07:41

Word2Vec系列



\

更新时间:2024-06-12 06:06

PLUS会员享全站课程、会员专属活动

PLUS简介

欢迎来到BigQuant PLUS专区,专注于量化投资的学习、交流、成长。我们的会员来自全球各地,包括投资组合经理、数据科学家、金融分析师和程序员等多个领域的专业人士。作为会员,您可以享受全站优质文章、在线课程、量化研报、专属研讨会等9大权益,更好地帮助您进行量化投资。同时,我们提供交流活动和社区论坛等多种形式的学习和交流机会,帮助会员不断提升自己的投资能力。作为BigQuant PLUS会员,您将能够与同行交流、分享经验和探讨最新的市场趋势,从而更好地实现自己的投资目标。

9大会员权益

专业量化培训:系统专业的量化教学,提高职业发展晋升

  • AI量化

更新时间:2024-06-12 06:05

零基础《AI挑战虚拟股票预测大赛》入门教程

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-06-12 06:00

机器学习在量化投资中的趋势和应用

来源:SSRN 作者:Sophie Emerson, Ruairi Kennedy, Luke O’Shea, and John O’Brien

机器学习是人工智能的一个子领域,它使用统计技术为计算机模型提供从数据集学习的能力,允许模型在没有显示编程的情况下执行特定任务。近年来,机器学习技术激增,人们对其在金融领域的应用也越来越感兴趣。在投资管理中,已被应用于新闻的情绪分析、趋势分析、投资组合优化、风险建模等。那么,机器学习在量化投资中有哪些潜在应用呢?

1.常见的机器学习算法

机器学习算法主要有三种:监督学习、无监督学习和强化学习。监督学习是在已知输入和输出的情况下训练出一个模型,将

更新时间:2024-06-12 05:52

量化投资

导语

1989年发表的论文《The Fundamental Law of Active Management》及其随后的相关论文揭示了寻求主动投资的alpha收益的数量化关系,这为主动组合投资管理带来一套令人信服的分析框架,这个数量化关系很好揭示了数量化技术(量化投资)可以如何或者应该如何切入投资管理领域。

和被动组合管理(passive porfolio management)相比,主动组合管理(active porfolio management)更显投资水平的能力,或者说运气。被动投资力求完全复制相应的基准成分股及其权重,所以每当某指数做成分股的调整时,新入选的股票

更新时间:2024-06-12 02:56

因子(特征)工程是什么

导语

近年来,国内量化投资迎来了发展的黄金期,但涉及机器学习的量化投资还比较少。机器学习领域的大神Andrew Ng(吴恩达)老师曾经说过机器学习很大程度上就是特征工程,因此本文主要介绍下特征工程在量化投资领域的应用。


特征工程是什么?

有这么一句话在业界广泛流传: 数据和特征决定了机器学习的上限。那特征工程到底是什么呢?顾名思义,其本质是一项工程活动,目的是最大限度地从原始数据中提取特征以供算法和模型使用。简单理解为:特征工程是使用专业背景知识和技巧处理数据,使得特征能在机器学习算法上发挥更好的作用的过程。

**特征工程在量化投资领域有非常适宜的土壤,

更新时间:2024-06-12 01:44

常见量化投资策略

简单来讲,量化投资就是利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程。

量化交易 是指借助现代统计学和数学的方法,利用[计算机技术来进行交易的证券投资方式。量化交易从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略,用数量模型验证及固化这些规律和策略,然后严格执行已固化的策略来指导投资,以求获得可以持续的、稳定且高于平均收益的超额回报。

量化投资模型只是一种工具、一种方法、一种手段,能实现成熟而有效的投资理念,需要不断根据投资理念的变化、市场状况的变化而进行修正、改善和优化,换而言之,有效的模型建立在适应市场环境的有效

更新时间:2024-06-11 03:31

AI量化策略,我该如何理解你?

人工智能(AI)技术得到了飞速发展,其在各个领域的运用也不断取得成果。机器学习被评为人工智能中最能体现人类智慧的技术,因此开发AI量化策略可以理解为将机器学习应用在量化投资领域。

理解机器学习算法

机器学习算法太多,本文讨论只针对适用于金融数据预测的常用有监督型机器学习(Supervised Machine Learning)算法:StockRanker。假设我们要去预测某个连续变量$ Y$未来的取值,并找到了影响变量$ Y$取值的$K$ 个变量,这些变量也称为特征变量(Feature Variable)。机器学习 即是要找到一个拟合函数$f(X_1,X_2,\ldots,X_K|

更新时间:2024-06-11 03:20

BigQuant平台策略构建流程

视频讲解

查看视频

策略源码

https://bigquant.com/codeshare/23bb6c6a-c4e3-4a7c-aed4-48c719c64dee

\

更新时间:2024-06-07 10:55

分组计算

策略案例


https://bigquant.com/experimentshare/fd15bfc0f9d94a11b060f13685aa5591

\

更新时间:2024-06-07 10:55

简单网格交易日内择时

AI量化Meetup 2021年1月28日期问题,配合视频更容易理解。视频详见:

2021-AI量化Meetup导览

策略案例

https://bigquant.com/experimentshare/5dd6b4f7a29d4c5d827aeeff05816cfd

\

更新时间:2024-06-07 10:55

Pandas处理日K数据构建MACD季度因子

看视频

https://www.bilibili.com/video/BV1jh411u7zj/?vd_source=ecd29bbd04cbefdfa426167c55241973

策略源码

[https://bigquant.com/experimentshare/d4804cb7b37b40e191de5b196897c33b](https://bigquant.com/experiment

更新时间:2024-06-07 10:55

74th Meetup

视频回放:点击查看

\

一、问题目录

问题1:资金流相关的因子很多都失效了,请老师提供一些资金流相关新思路?

回答:

  1. 简单的资金流因子可能从未生效过;
  2. 资金流因子的思路:资金流因子需要Level2数据,更多从盘口角度切入分析。


**问题2:请问因子组

更新时间:2024-06-07 10:55

高频回测模块择时策略

问题

高频回测模块择时策略

\

视频

https://www.bilibili.com/video/BV1S44y1y7dc?p=2&share_source=copy_web

策略源码

8月19日Meetup策略模板:

[https://bigquant.com/experimentshare/a6bae485ffcc47819510b788ddfad338](https://bigquant.com/experime

更新时间:2024-06-07 10:55

国泰君安alpha191中的count、regbeta、regresi三个函数

问题

国泰君安alpha191中的count、regbeta、regresi三个函数怎么定义?

视频

https://www.bilibili.com/video/BV1ov4y1Z7Yg?p=2&share_source=copy_web

\

策略源码

# 国泰君安 Count(a, n),过去5天close_0 > close_1 的天数
conditions = where(close_0

更新时间:2024-06-07 10:55

热点概念追踪

热点概念追踪策略是一种量化投资策略,旨在捕捉市场上热门概念或主题的股票,以获取超额收益。这个策略通常基于对市场情绪、新闻、社交媒体等信息的分析,识别出当前备受关注的概念,然后投资于相关的股票。

https://bigquant.com/codesharev2/0cb679b8-411a-450c-bd5e-076ea98ba3d3

\

更新时间:2024-06-07 10:55

如何使用超参搜索持仓天数

视频讲解

点此查看视频

策略源码

https://bigquant.com/codeshare/769aba37-1960-4fc6-bedc-1d7a8a4dee0a

\

更新时间:2024-06-07 10:55

自定义模块的使用方法

视频讲解

查看视频

策略源码

https://bigquant.com/codeshare/44ce0baf-6d4c-4f9c-9b7b-90ea4b12ab19

\

更新时间:2024-06-07 10:55

59th Meetup

本期提问者:bq22fw19、bq61ym2n、1855680***、bqhz06vb

因子挖掘

如何利用市场信息?

利用市场信息进行量化投资主要涉及以下步骤:

  1. 数据收集:首先,需要收集和整理市场数据,包括股票价格、交易量、基本面数据、新闻、宏观经济数据等。这些信息可以从各种数据供应商或公开数据源获取。
  2. 数据预处理:对收集到的数据进行清洗和预处理,处理缺失值、异常值、重复值等,保证数据的准确性和完整性。
  3. 特征工程:根据投资策略和模型需求,进行特征工程,提取有价值的特征和信号。
  4. 模型构建:选择合适的模型(如回归模型、机器学习模型、深度学习模型

更新时间:2024-06-07 10:55

因子构建

9月24日Meetup 模板案例:

策略案例

https://bigquant.com/experimentshare/51adf36b114f4563b853329db07b3595

\

更新时间:2024-06-07 10:55

策略思想和因子哪个更重要

问题

策略思想和因子哪个更重要

视频

https://www.bilibili.com/video/BV15b4y1s7w7/

策略源码

文档及源码:策略思想和因子哪个更重要

更新时间:2024-06-07 10:55

2021-AI量化Meetup导览

{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}导语

2020年我们开展了近半年的Meetup,共11场Meetup活动,90个问题,7场专题,持续地为大家服务和提供新鲜的灵感。2021年,Me

更新时间:2024-06-07 10:55

分页第1页第2页第3页第4页第5页第6页第7页第8页第9页第16页
{link}