本文14323字，阅读约28分钟

导语：本文旨在用精炼的语言阐述实操层面的机器学习量化应用方法，包括给出实践中一些常见、实际问题的处理方案，并结合了量化应用实例。读完后大家可以在本平台进行实践检验。

文章概览：

1.人工智能量化投资概述

2.人工智能技术简介

3.机器学习在量化投资中应用的具体方法解析

AI相对于传统量化投资的优势 传统的量化投资策略是通过建立各种数学模型，在各种金融数据中试图找出市场的规律并加以利用，力所能及的模式或许可以接近某一个局部的最优，而真正的全局“最优解”或许在我们的经验认知之外。如同不需要借助人类经验的Alpha Zero，不仅

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

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

【此文档为旧版策略】具体可参考新版文档：

https://bigquant.com/wiki/doc/103-ai-LpsqDhu8mG

https://bigquant.com/experimentshare/dd9cff01459a41f9be40d7e660164795

\

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

基本面量化策略是一种结合了基本面分析和量化分析方法的投资策略。通过对公司的财务报表、行业数据、宏观经济指标等基本面信息的量化分析，来识别被低估或高估的股票。这种策略通常涉及以下几个方面：

基本概念

1. **数据驱动的基本面深度分析：**基本面量化策略巧妙地结合统计方法与计算机算法，对公司盈利能力、财务稳健性、增长潜力等传统基本面指标进行精准分析，为投资者提供全面深入的企业价值洞察。
2. **

量化选股是一种基于数学和统计方法的股票投资策略，它使用复杂的数学模型和算法来分析和选择股票。这种方法强调数据驱动和系统化的决策过程，与传统基于主观判断和基本面分析的选股方法相对。通过BigQuant的量化策略开发中心（PC端）可以自主开发量化策略挑选个人投资偏好的策略。

概念

量化选股的核心是利用历史数据和统计分析来预测股票未来的表

量化交易利用数学和统计学方法来分析市场并执行交易的过程，是现代金融的一个重要组成部分。量化模型的目的是通过算法自动识别并利用市场中的规律和机会，用以获取更多收益。

量化交易模型的一般由以下几个部分组成：

1 数据处理模型: 量化交易的基石是数据。这包括了从历史价格、成交量到公司财报、宏观经济指标等各类数据。对这些数据的收集、清洗和处理是构建有效模型的首要步骤。**[BigQuant策略编写平台](http

在这个数据驱动的时代，量化交易不仅是金融领域的革命，更是智慧投资的未来。

通过精确的数学模型和强大的算法，洞察市场动态，捕捉那些传统交易方法难以觉察的盈利机会。

量化交易赚钱的核心包括以下要点：

1 市场分析与策略开发

量化交易的核心在于市场分析和策略开发。这包括使用历史数据来测试和验证交易策略的有效性。

例如，通过回溯测试（backtesting），交易员可以评估一个策略在过去市场条件下的表现。

这种方

求一个范例，谢谢

最好更细粒度的， 比如分钟级别。

好像没找到。 求例子。

222

这篇文章叫做：The Nature of Price Returns During Periods of High Market Activity，具体介绍如下

![](/community/uploads/defa

这篇文章主要记录了南土投资周静学姐来给我校金融专硕项目做的一次分享会。结合学姐所说和自己在工作实践中积累的经验，粗浅地谈一谈对量化投资的认识。

周静学姐是北大的高材生，在海外获得博士学位之后加入了blackrock公司工作。现在回国创立了南土资产，追求绝对收益和人才发展。有的员工已经在公司得到了快速的成长并创办了自己的私募基金。

学姐首先为我们介绍，量化投资其实是从idea到模型，从模型到检验再到实证的过程。

很多人认为量化投资是只注重统计规律而不注重市场规律，认为量化投资只是一个黑箱，只需要把杂乱无章的数据扔进复杂的模型中计算就可以得到稳定的信号，但这样做的结果往往是garbage i

人工智能是最近很火热的话题，有的人似乎有幻觉，未来人类所有问题都可以交给电脑来处理。未来是否如此难以预知。但是在作出预测之前，我们有必要了解究竟什么是人工智能。

机器如何有人的智能呢？方法就是机器学习。机器学习不是一个新概念，很早之前就诞生了决策树、SVM、神经网络等方法。战胜了柯洁的AlphaGo和战胜了AlphaGo的AlphaZero都是神经网络算法中的深度学习。深度学习最早提出来之后，并没有对人工智能产生很显著的推进，因为它依赖于大量样本和大量计算。但随着互联网时代数据的大量产生、大量积累，深度学习重获新生。

神经网络不是万金油，它也只是解决某些问题的一种方法。什么时候我们需要它呢

背景

近期对于量化争议颇多，无论市场涨跌量化都会被拉出来分析一番，量化是否对影响到了市场的变化？大众理解的量化和实际的量化是否一致？刚好看到幻方的量化18问，分享出来与大家共赏。以下转至幻方量化公众号：

量化投资只是一个统称，实际上有千千万万种，各不相同。由于每个参与者的观察样本都有局限性，很容易盲人摸象，以偏概全(本文也不例外)。但本文还是试图对A股量化投资的一些基本的问题作出解释。

什么是量化投资

量化投资是指用数学/统计/人工智能等方法取代人工决策，在二级市场进行投资。一般情况下，市场研究、基本面分析、选股、择时、下单等都可以由计算机自动完成。

量化投资的原理

我就故意分开写，要不怎么让你们点来点去增加关注呢，我的目的很单纯就是吸粉的，大家踊跃点，昨天我要上春晚（一），呃，我要吸点粉（一）过万的关注，我很欣慰，毕竟50的赞四舍五入一下就是一万多，我写起来也觉得胸前的红领巾更鲜艳了啊。

这里先明确一点，在前篇中用几个简单的市场数据说明了我认为市场有交易机会的原因，有知友觉得周期太长，毕竟这是一个科普专栏且以吸粉为目的，我没有把很多专业数据引出来，但是信我，到这个层面能得出的结论已经是一致的，至于其他多说也是论证而已，写的太专业又没人看了，我又白写了不是？另外我引用投资者数据是想说明---你的交易对手不太专业。哦，还要提一句，本作尽量不用计量经济学或者

围棋人类第一高手柯洁在与AlphaGo的第二局对阵中再次惜败。有报道称此次的AlphaGo已经比当初跟李世石下的版本进化了几代，想当于给上一版本”让3子“的水平，鉴于柯洁第一局仅输1/4子，可见柯洁的水平应该能完胜上一代的AlphaGo。

AlphaGo主要采取了两种模型——深度学习和增强学习。深度学习（Deep Learning）本质上是一种监督学习（Supervised Learning），或回归分析（Regression Analysis）。它从传统的神经网络发展而来，但最近几年在计算方法上有了突破，加上硬件上的发展，使得它可以拟合更复杂的数据，因此在计算机视觉、图像识别上发展

写在文前：周末为大家奉上一篇来自棋剑资产王晓光的一篇报告，文有点长，但是确实系统地讲解了量化投资这件事。海纳百川，多学习不同的观点能拓宽视野。先祝大家周末快乐。


*原文：

量协的统计套利策略小组成立快一个月了，这一个月来小组成员的主要活动内容就是进行大量paper的阅读与分享。和其他策略类型不同，统计套利或是配对交易本身涉及统计学、随机过程的理论和方法比较多，所以学术界可以参考的paper也较为丰富成体系。

我们这次主要阅读的是[Statistical Arbitrage Pairs Trading Strategies：Review and Outlook](https://link.zhihu.com/?target=https%3A//www.econstor.eu/dspace/bitstream/10419/116783/1/833997289.pd

如果你对银行以及金融领域的机器学习或人工智能（AI）应用感兴趣的话，你一定了解 JPM（摩根大通）去年发布的在金融领域有关大数据及人工智能应用指南 68，你也一定会对他们刚刚发布的一份关于将 “数据驱动下的机器学习应用于算法交易”问题的新报告感兴趣。

去年那份长篇报告是由JPM 宏观量化研究团队负责人，素有“半人半神”之称的 Marko Kolanovic，以及另一位在去年四月刚从美林银行离职的量化策略师 R

Citadel基金，又叫做城堡基金，是全球最大的对冲基金之一。一家公司的成功，不仅仅依赖于优秀且有远见的创始人，优秀的人才，也同样依赖于公司的文化。那么Citadel在金融市场中进行交易的时候，公司是用什么样的态度看待市场和交易的呢？我们也许可以从下面这个视频中看出端倪。

[华尔街顶级对冲基金量化总监：一本书改变了我的职业生涯_腾讯视频​v.qq.com ](https://v.qq.com/x/page/

Learning the Dynamics of Technical Trading Strategies

作者：Murphy N. J., Gebbie T. J.

出处：Quantitative Finance, 2021-03

摘要

本文使用了一种基于对抗型专家的在线学习算法来学习，使财富最大化的零成本组合交易策略所需的最佳参数。该学习算法用于确定大量技术交易策略的动态，这些技术交易策略可以通过历史回测，并从约翰内斯堡证券交易所每日和日内数据执行的基础交易策略集合中形成一个聚合的投资组合交易策略。本文一个关键的贡献是：在每日取样和日内时间尺度上，使用一个新的假设检验来测

\

• • 点击新建对话，创建一个新对话

  
  
  

  
  
  • 点击输入框，开始与QuantChat交流

  
  

  
  • 您可以直接输入以下对话

  
  ![{w:100}](/wiki/api/attachments