更新时间:2022-02-21 11:25
更新时间:2022-01-17 11:05
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:2021-12-29 06:19
End-to-End Risk Budgeting Portfolio Optimization with Neural Networks
A. Sinem Uysal, Xiaoyue Li , and John M. Mulvey
2021年7月9日
投资组合优化一直是金融领域的核心问题,经常与两个步骤:校准参数,然后解决优化问题。然而,两步过程有时会遇到“误差最大化”问题,其中参数估计的不准确转化为不明智的分配决策。在这论文中,我们将预测和优化任务结合在一个单一的前馈神经网络中网络并实施端到端的方法,在那里我们学习
更新时间:2021-12-28 02:40
更新时间:2021-12-14 13:18
更新时间:2021-12-14 13:18
更新时间:2021-12-14 13:08
Recent Advances in Reinforcement Learning in Finance
Ben Hambly-牛津大学数学研究所
Renyuan Xu-南加州大学工业与系统工程系
Huining Yang
2021 年 12 月 10 日
随着数据量的不断增加,金融行业的快速变化已经彻底改变了解决了数据处理和数据分析技术,带来了新的理论和计算挑战。与经典随机控制理论和其他分析应用相比,解决严重依赖模型假设的财务决策问题的方法,强化学习(RL)的新发展能够充分利用大量减少模型假设的财务数据,并改进复杂
更新时间:2021-12-13 07:43
研报标题:A Gentle Introduction to Graph Neural Networks
发布时间:2021年
作者:Benjamin Sanchez-Lengeling、Emily Reif、Adam Pearce、Alexander B. Wiltschko
这篇文章是关于图神经网络的两篇论文之一。看一看理解图上的卷积,了解图像上的卷积如何自然地概括为图上的卷积。
图表无处不在;现实世界中的对象通常是根据它们与其他事物的联系来定义的。一组对象,以及它们之间的联系,很自然地被表示为一个图形。研究人员已经开发了十多年的基于图数据的神经网络(称为图神经网络,或
更新时间:2021-11-30 05:44
多因子选股模型的整个投资流程包括alpha模型的构建,风险模型的构建,交易成本模型的构建,投资组合优化过程以及组合业绩的归因分析。从国内市场上已公开的量化模型看,采取的大多是打分法选股或者行业、市值分层构建组合,这种组合构建方式缺乏对风险和alpha的精确控制,最终组合可能偏离预定的投资目标
多因子结构化风险模型(如Barra, Axioma)目前仍然是市场上的主流风险模型。股票收益率的样本协方差矩阵面临的主要问题是:在股票数量N超过时间样本区间T时,协方差矩阵不可逆,并且包含着较大的估计误差,这些都会严重影响到投资组合优化,使得优化器给出错误的权重分配。
根据Ledoit and Wo
更新时间:2021-11-22 07:53
更新时间:2021-11-15 01:32
主题:The Impact of AI to Global Asset Managers: The Responses and Adoptions
演讲人:关子敬 先生 Kevin Kwan 彭博亚太区量化及数据科学专家
谢谢Big Quant的邀请,今天所有策略的绩效仅作交流的用途展示概念,投资人如果对策略本身有兴趣的话,请在我们网站下载白皮书或是与我们的客户经理联系。
更新时间:2021-09-29 03:51
更新时间:2021-09-08 03:03
更新时间:2021-08-20 07:52
8月19日Meetup模板:以双均线为例
https://www.bilibili.com/video/BV1S44y1y7dc?p=4
https://bigquant.com/experimentshare/b2f44f26626a4d798d2dfecdb8e75d64
\
更新时间:2021-08-20 07:48
英文书籍的特点就是废话是比较多的,写这个系列也是挑出精华部分,另外加上自己在实操中的一些东东,进行修改,但是是按照书的内容精神走。
英文书籍的特点就是废话是比较多的,写这个系列也是挑出精华部分,另外加上自己在实操中的一些东东,进行修改,但是是按照书的内容精神走。
做交易时往往涉及到不同的交易品种,一般会按品种区分文件夹,如下图(这里是下载了所有的主力合约,就是每天交易量最大的合约):
![](/community/uploads/default/original/3X/b/2/b26c049cb581ce92fde5b55427fde5e2aa7ac907.j
更新时间:2021-08-13 02:24
之前做衍生品定价有很详细的书单,偏向于随机分析、数值计算、C++等,现在机器学习、统计、量化交易更为流行,下面推荐几本这方面的书籍吧。
首先说说量化股票。
《Active Equity Management》, July 18, 2014, by Xinfeng Zhou, Sameer Jain
这本书的作者Xinfeng Zhou毕业于麻省理工,之前在SAC、高盛等公司都工作过,目前是股票多空组合的投资经理。这本书详细介绍了实务中量化股票的选股信号、投资组合优化、风险管理、算法交易等内容,与很多偏向理论和模型的书不同,这本书从实践角度出发,通俗易懂。另外也给出了很多参考文献,
更新时间:2021-08-13 02:22
随着时间序列系列讲到协整部分,我们会陆续讲一些经典的量化策略。在今天的讲解中,我将简单地介绍一下量化投资中的常用策略算法思想。由于是概览,因此不会对策略的细节进行深度分析。
动量策略
动量策略是抓住市场某一个方向的显著趋势而获利的算法。由于人性的因素,股票市场存在某种“惯性”。当某些题材的热股被热炒时,其价格会快速并且持续地上升。上升的初期可能是由市场上的某个讯息或者热点引起,而后越来越多的投资者在听到之后都会跟风追逐。一个简单的动量策略应用是当前的价格低于MA时买入股票高于MA时卖出股票。
均值回复
均值策略假设虽然市场会出现追涨杀跌的短暂疯狂状态,但从长期趋势来看市
更新时间:2021-08-11 03:22
相比TA-Lib在技术分析领域的地位,QuantLib在金融工程领域的地位可以说有过之而无不及。
参考其官方网站,QuantLib中包含的的模块如下(其中个人感觉国内比较有用的添加了中文注释):
更新时间:2021-08-10 06:23
数据分析的初级境界应该当属描述性统计分析了。
描述性统计分析,顾名思义,就是对一个数据集合,通过统计的手段,对数据整体进行描述。身边比较常见的,比如:你的支付宝年度报告,你的滴滴年度出行报告,你的美团外卖这一年最爱吃什么,你的网易云音乐年度最爱听哪首歌曲等等。
以上的这些年度报告通通都采用了描述性统计分析的方法,然后给你反馈过去一段时间自身行为的一个复盘,比你更了解你。
本文,将利用Python对我大A股去年走出大牛市的白酒龙头股进行描述性分析,介绍了一般步骤及相应代码。
几乎任何一本统计学的基础书籍都会一上来就介绍描述性统计分析的,所以你可
更新时间:2021-08-10 03:52
更新时间:2021-08-10 03:36
![](data:image/svg+xml;utf8,<svg xmlns='http://www.w3.org/2000/svg' width='874' height='611'></svg>)
回测是个老掉牙的问题了,开源社区也有不少优秀的回测框架,如zipline、backtrader等,那我们为什么要放弃他们而选择造轮子再设计一套
更新时间:2021-08-09 05:53
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。
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:
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:
更新时间:2021-08-02 06:09
更新时间:2021-07-30 09:36
更新时间:2021-07-30 09:36