投资组合优化

投资组合优化是从金融角度出发,通过多元化的资产配置以降低风险并寻求最大化收益的过程。它涉及对不同资产类别的深入理解和前瞻性市场分析,以确定最佳的投资组合权重。通过现代投资组合理论,如马科维茨投资组合理论(MPT),投资者可以利用资产的历史回报和波动率数据,量化不同资产间的相关性,从而构建出具有理想风险-收益平衡的投资组合。在优化过程中,还需考虑投资者的风险承受能力、投资期限和市场预期等因素。持续监控和定期调整是优化投资组合不可或缺的部分,以确保投资组合与市场环境和投资者目标保持一致。

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

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

运用风险平价策略进行投资

运用风险平价策略投资

风险平价策略的产生及概念

产生:雏形是Bridgewater的“全天候”,要建立一个在任何经济环境下都能表现不错的资产组合;但风险平价这一概念出现较晚,产生于2006年;2008年以前,风险平价策略还主要集中在股票、债券、大宗商品等传统的资产类别,仅有少数人利用了高收益债券、投资级债券及新兴市场债券的利差。2008年,AQR首次推出了其他风险因子otic/Alternative Risk Factor),将对冲基金等作为该策略资产组合的一部分。

概念:基于目标风险水平,有多种e资产构成投资组合,并给组合中的不同资产分配相同的风险权重的一种投资策略。

更新时间:2024-06-11 02:44

Alpha系列-因子模型

https://bigquant.com/experimentshare/d10e7682969747bbb8c297180a844c7b

\

更新时间:2024-06-11 02:40

主动投资管理定律(基本篇)

https://bigquant.com/experimentshare/5ffea17cf0ca4e78ab50a84762c2b596

\

更新时间:2024-06-11 02:38

如何优化StockRanker算法

问题

使用stockranker等排序算法开发策略并进行实盘,发现有时排在第一的股票反而不如排在二三位的股票收益好,如何对策略和算法进行优化,以实现更好的效果呢?

思路

https://bigquant.com/wiki/doc/xinhao-fangfa-oxACTyy7MT

  • 数据质量
  • 算法质量
  • 算法参数调优
  • 模型融合

视频

[https://www.bilibili.com/video/BV1nT411A7f5?share_source=copy_web&vd_source=2e7dc1240ea373ea6eba1134af8dd086]

更新时间:2024-06-07 10:55

49th Meetup

Q1-@james:有什么另类的标注可以推荐下?

https://bigquant.com/wiki/doc/-0kcMgSnQXw

https://bigquant.com/wiki/doc/rengongzhineng-xilie-ershijiu-shouyi-linglei-biaoqian-zhengquan-fuben-xRMNFmmg00

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

更新时间:2024-06-07 10:55

Alpha策略

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:2024-06-07 10:55

另类标签(calmar)选股模型

https://bigquant.com/experimentshare/887354a18288489e9bb5d65923da8e9b

\

更新时间:2024-06-07 10:55

策略中调用其他因子_非AI

2021年4月22日Q1&Q2问题:

策略案例


https://bigquant.com/experimentshare/d50c07db9f7f45168dd745027c04b6d8

\

更新时间:2024-06-07 10:55

构建日历周线级别因子

https://bigquant.com/experimentshare/f5061810f6e34b71ad59641c2f54e290

\

更新时间:2024-06-07 10:55

如何使用因子分析

策略案例


https://bigquant.com/experimentshare/0b04060b41be4c89b38adc02d2bd73a4

\

更新时间:2024-06-07 10:55

上涨和下跌预测的stockranker模型组合(卖出)

https://bigquant.com/experimentshare/962ef5e58f1e41acbeecaa0161fc56c6

\

更新时间:2024-06-07 10:55

参数寻优获得/夏普信息比/最大回撤/胜率

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:2024-06-07 10:55

单因子分析(案例代码)

旧版声明

本文为旧版实现,仅供学习参考。

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


新版因子分析代码:

https://bigquant.com/wiki/doc/5zug5a2q5yig5p6q5luj56cb-Od7rjBTNDQ

策略案例

[https://bigquant

更新时间:2024-06-07 10:55

回测引擎常用功能示例

{{membership}}

https://bigquant.com/codeshare/ccb0fdad-c4da-424e-ace1-dd57ace94cec

\

更新时间:2024-06-07 10:55

多因子选股如何筛选有效因子

问题

多因子选股如何筛选有效因子

回答

参考研报:

  1. 多因子系列之一:华泰多因子模型体系初探-华泰证券-20160921
  2. 多因子系列之二:华泰单因子测试之估值类因子-华泰证券-20160929

因子分析参考:

  1. [因子分析](https://bigquant.com/wiki/doc/yinz

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

高质量AI量化策略

【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

\

更新时间:2024-06-07 10:55

2022-AI量化Meetup导览

\

更新时间:2024-06-07 10:55

参数寻优获得/夏普信息比/最大回撤/胜率-2

8月19日Meetup模板:第二种方式

https://bigquant.com/experimentshare/5e82e63fe5154eb58b69ffa37998d588

\

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

特征取分位数据

2021年7月8日Meetup模板:

https://bigquant.com/experimentshare/4fa50659ea5340188b574e288c0f9903

\

更新时间:2024-06-07 10:55

序列窗口滚动

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:2024-06-07 10:55

因子分析测试

目前平台提供新版的因子分析模块, 请移至bigalpha

7月30日Meetup 模板案例:

策略案例

https://bigquant.com/experimentshare/b83f6a9c950a43a595d41f1d911dcaca

\

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
{link}