现在先说说证券行情吧。
1。国外的股票行情我就不谈了,这个我不是很了解,今天我来说说国内两大证券交易所,上交所和深交所两大交易所。
上交所的L1和深交所的L1行情,狭义的说就是五档行情,还是比较好获取,渠道很多,但是质量参差不齐。我说说质量稍微好点的,野路子无限断、无限延迟行情,我就不谈了。
首先,最好L2行情数据接口的肯定是从交易所购买,交易所每年30万或35万,从交易所购买这个市场,一般用于量化分析交易或追板的,而是用于市场展示软件公司,一般交易会购买L2行情数
更新时间:2022-12-07 05:29
国内量化交易起步较晚,大约15年开始,20年开始爆发,21年量化私募规模飙升。由于容量过大,出现了一个头部量化私募中性策略导致大幅回调的问题。对于a股来说,量化交易仍然是一种相对较新的投资方式。自20年以来,监管已经关闭了证券公司的外部接口。因此,如果你想进行定量交易,你必须使用证券公司的level2行情接口和交易接口。今天,我将与大家分享如何一站式解决不同的定量交易需求。https://gitee.com/l2gogogo
自编程AI量化交易
解决方案:AI量化交易策略终端
简介:
极速交易策略终端是一款基于python语言的策略交易平台 , 是活跃交易者策略研究 、 自动化交易
更新时间:2022-12-01 05:46
更通俗的来说,使用Level-2与使用普通行情相比,多了下述的好处:https://gitee.com/l2gogogo
1. 行情更快。Level-2数据实时推送报价以毫秒为单位刷新行情,并且不需要手动刷新行情。还可以实时监测多只股票的行情数据。主力动向,筛选底子好的股票,进行量化交易。
3. 行情更深入。买卖盘十档行情,列出买盘、买盘各十笔挂单价、挂单量;透过买卖盘3.,行情更深入。买卖盘十档,列出买盘、买盘各十笔挂单价、挂单量;透过买
更新时间:2022-11-30 06:43
一、单次课程
1.初阶:现价999,立减200得799,Plus会员立减400得599
2.进阶:现价1399,立减200得1199,Plus会员立减400得999
二、初阶+进阶
现价1998,立减200得1798,Plus会员立减400得1598 训练营地址:https://bigquant.com/quantcamp
三、2022AI量化策略会 购买初阶+进阶课程,可获赠价值1398的AI量化策略会,12月24日直播即将开启! 策略会地址:https://bigquant.com/quantcamp/2022
四、优惠券领取 优惠
更新时间:2022-11-15 07:21
更新时间:2022-11-14 03:10
如何结合欧奈尔的RPS指标,开发AI量化策略?
1988年,欧奈尔将他的投资理念写成了《笑傲股市How to Make Money in Stocks》。书中总结了选股模式CANSLIM模型,每一个字母都代表一种尚未发动大涨势的潜在优质股的特征。
![{w:100}{w:100}{w:100}{w:100}{w:
更新时间:2022-11-10 03:14
牛津大学英仕曼量化化金融研究所(OMI)是世界领先的金融市场跨学科研究中心。OMI主要研究量化金融的基本问题,重点关注机器学习和数据驱动的模型。OMI研究汇总是一份精心策划的月度摘要,涵盖了量化相关领域的最新研究、见解和工具。
本月的论文分享中,有两篇来自OMI的最新论文。第一篇是基于订单账面不平衡的度量对交易流进行分类,并研究分解后的交易流对价格的影响,以设计有利的交易策略。第二篇介绍了使用动量策略应用于加密货币的转移排序模型。
本文主要介绍与金融和机器学习相关的论文。
更新时间:2022-10-11 02:18
作者:woshisilvio (全文共913字,阅读约需2分钟)
笔者一直疑惑的一点就是 我们的模型每天这样选股,赚钱的效应究竟是随机的,还是可控?
模型有没有真正的学到市场中的规律,挖掘到了alpha? 靠AI模型 来赚钱 究竟靠不靠谱?
对于这些问题,一千位quant就有1000个答案,这里就留给评论区的高人们解惑了。
针对以上问题,之前笔者有分享
更新时间:2022-09-21 07:35
最近几年人工智能(AI)技术得到飞速发展,其在各个领域的运用也不断取得重大成果。机器学习是实现人工智能的一种方式,被评为人工智能领域中最能够体现智能的一个分支,机器学习与人工智能、深度学习的关系可以参考下图: 机器学习可以这样简单理解:借助于计算机,对数据(训练集)进行学习后,形成模式识别(模型),进而实现对未来数据(测试集)的预测。
假设我们要去预测某个连续变量$ Y$
更新时间:2022-09-19 14:38
AI只是工具,想要驾驭AI还得自身有点功底,不然反而会被工具所害,甚至从信仰AI变为抵制AI。本文简单介绍开发AI量化选股策略中所遇到的各种坑,希望大家有所收获,少走弯路。
本文主要从思想和实操两个层面分享下我在开发AI量化选股策略中所遇到的各种坑,也希望各位小伙伴能够进行补充。
更新时间:2022-09-09 13:21
训练好的模型并不能一直有效,因此需要更新模型,然后使用参数表现最佳的模型进行预测。滚动训练和超参搜索是平台的两个重要模块,今天结束将其组合使用。
我们以下面示意图介绍滚动训练的机制:
可以看出,滚动训练本质是多次训练,得到不同模型的预测结果,然
更新时间:2022-09-08 00:29
揭秘微软亚研院 AI 量化投资研究,展望行业未来发展六大趋势
微软亚研院2017年以来共发表12篇AI量化投资学术研究,其中选股主题超过半数,其他涉及风险模型、算法交易、数据增强、时间序列预测、基础架构等话题。这些研究的突出特点是前沿和务实,具有较高参考价值。前沿是指使用的AI技术,大量运用近年来热门的图神经网络、注意力机制,并灵活应用最优传输、自步学习、知识蒸馏、解耦表征等工具;务实是指解决的具体问题,如“AI模型如何应对市场规律变化”,“如何引导模型学习罕见本”,“如何充分挖掘事件、舆情蕴藏的信息”等,这些都是业界实践中会遇到、接地气的问题。我们透过微软AI量化研究
更新时间:2022-08-31 09:47
更新时间:2022-08-06 10:45
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:2022-06-06 08:51
BigQuant宽客学院伴随着平台的更新,学习和探讨的内容也日益增加。大家对机器学习、深度学习的策略研究越来越深入,新的想法也层出不穷,为了满足大家对探索的渴望,因此我们准备了定期的“BigQuant AI量化专家MeetUp”,本周四正式启动了!BigQuant学院院长、AI量化专家现身BigQuant B站直播间,在线交流、答疑,解决您在AI量化和BigQuant遇到的所有问题!
以导师答疑为主,解决大家在日常开发中遇到的问题:
更新时间:2022-06-01 05:56
更新时间:2022-05-31 08:29
更新时间:2022-05-25 02:08
更新时间:2022-05-22 01:17
\
更新时间:2022-05-19 08:20
\
更新时间:2022-05-17 02:56
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
**完整视频观看地址:<https://webcast.roadshowchina.cn/cmeet/NlZBZVhZRGZ6Q1NSRjdrbmJqQjZUQT09
更新时间:2022-04-18 02:08
揭秘微软院亚研院AI量化投资研究 展望行业未来发展六大趋势
微软亚研院 2017 年以来共发表12篇AI量化投资学术研究,其中选股主题超过半数,其他涉及风险模型、算法交易、数据增强、时间序列预测、基础架构等话题。这些研究的突出特点是前沿和务实,具有较高参考价值。前沿是指使用的AI技术,大量运用近年来热门的图神经网络、注意力机制,并灵活应用最优传输、自步学习、知识蒸馏、解耦表征等工具;务实是指解决的具体问题,如“AI 模型如何应对市场规律变化”,“如何引导模型学习罕见样本”,“如何充分挖掘事件、舆情蕴藏的信息”等,这些都是业界实践中会遇到、接地气的问题。我们透过微
更新时间:2022-01-22 07:48
本文主要介绍在AI可视化模板策略上的一些尝试,加入一些更为复杂的逻辑,最终提高策略开发能力达到进阶水平。
不知道大家是否有这样的疑惑,在按照平台给出的模板开发了策略以后,不知道从哪些角度提升策略效果,只知道增删一些因子不断调试。本文以一个实际的策略案例,希望大家能够掌握以下几点:
修改训练集、测试集时间
金融市场不同时期具有不同的市场风格,比如15年之前,中小创涨得
更新时间:2021-12-16 07:03
AI只是工具,想要驾驭AI还得自身有点功底,不然反而会被工具所害,甚至从信仰AI变为抵制AI
本文简单介绍开发AI量化选股策略中所遇到的各种坑,希望大家有所收获,少走弯路
本文主要从思想和实操两个层面分享下我在开发AI量化选股策略中所遇到的各种坑,也希望各位小伙伴能够进行补充
训练集和测试集不能有所重合
机器学习的基本思路就是在训练集上发现pattern,训练出模型,然后对样本外的预测集数据进行预测。这好比老师平时布置的作业就是训练集,学生们通过平时的作业学习到知识,然后期末老师通过期末试卷来检验学生的学习掌握情况,如果期末试
更新时间:2021-12-15 03:51
更新时间:2021-11-19 10:49