夏普比率
夏普比率（Sharpe Ratio）是金融领域中用于衡量投资风险调整后表现的重要指标。它由威廉·夏普于1966年提出，用于量化投资者在承担每单位风险时所获得的超额回报率。夏普比率的计算公式为（回报率 – 无风险利率）/ 标准差，其中，回报率表示资产的平均收益，无风险利率通常与国债收益率相近，而标准差则代表资产收益的波动性或风险。 夏普比率越高，说明在相同风险水平下，投资策略所获得的回报越高，反之则越低。此指标不仅为投资者提供了一个量化工具来评估投资组合的风险与回报之间的平衡关系，还有助于比较不同资产或策略之间的性能。因此，夏普比率在金融决策、资产配置和绩效评估等方面具有广泛应用。
【历史文档】策略示例-用梯度提升树回归算法实现A股股票选股
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：2024-05-16 02:00
【历史文档】策略-回测研究
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：2024-05-15 10:04
【历史文档】策略-策略构建
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：2024-05-15 09:34
【历史文档】算子样例-策略绩效评价
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：2024-05-15 07:51
cvxopt包实现马科维茨投资组合优化
旧版声明
本文为旧版实现，供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
下面代码在新版本不能直接运行，需要修改两处，一处是数据读取，一处是画图，分别参考以下两处链接。
[https://bigquant.com/wiki/doc/
更新时间：2024-05-15 06:48
资金流策略，年化收益69.55%
旧版声明
本文为旧版实现，供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
\
策略案例
https://bigquant.com/experimentshare/53afe5c70e1f48b28f66eeb980d86ebb
\
更新时间：2024-05-15 06:37
【历史文档】因子构建与标注样例-构建大盘收益率因子
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：2024-05-15 06:34
基金双均线策略
更新时间：2024-05-15 02:10
策略研究
\
更新时间：2024-05-15 02:10
回测数据的深入分析
导语
本文介绍如何对一个回测结果进行深入分析。
新建一个可视化AI策略
我们先构建一个可视化AI策略，如下所示。
回测结果
回测结果一般指策略运行完毕之后输出的能够综合反映策略效果的综合图表，如下所示：
可以看出，回测结果包括收益概括、交易详情、每日持仓、
更新时间：2024-05-15 02:10
设置回测基准期货案例
更新时间：2024-05-15 02:10
如何只选择中证1000成分股进行回测
如标题
更新时间：2024-01-09 06:13
小市值策略报错
更新时间：2023-12-29 10:56
用财务因子怎么构建机器学习策略？
\
更新时间：2023-10-09 07:09
回测曲线的相对收益线的计算公式
回测曲线的相对收益线的计算公式
更新时间：2023-10-09 07:04
日历效应实现——回测模块
更新时间：2023-10-09 02:36
回测如何设置一次全仓买入一只股票
回测如何设置一次全仓买入一只股票
更新时间：2023-10-09 02:35
投研小组分享区
更新时间：2023-08-16 09:10
LLT低延迟趋势线择时交易
研报：
{{membership}}
LLT低延迟趋势线择时交易模型研究
https://bigquant.com/codeshare/38ef8568-518b-4756-98f0-8dd8722d01e5
LLT低延迟趋势线择时交易
[https://bigquant.com/codeshare/942d320a-c17f-4061-9e56-d24e3a0ac472](https://bigquant.com/
更新时间：2023-08-07 05:52
开源金工|看看顶级量化私募择时选股能力
222
更新时间：2023-07-21 03:16
【参赛】Deep Alpha-CNN策略克隆&调参擂台赛
\
更新时间：2023-06-27 03:23
春节效应下的A股市场与量化因子思考 兴业证券 20180704
摘要
作为《猎金》系列的第二十四篇专题报告，我们将目光聚焦于A股市场的日历效应。具体来说，我们在本文中深度剖析了春节效应对市场整体和常见量化因子的影响。 基于长期历史样本的分析表明，A股市场整体在春节前后表现出了非常高的投资性价比，历史平均夏普比率高达4.0；常见量化因子在春节期间的表现与平时相比也不尽相同：质量、成长、情绪类指标普遍失效，市值和反转因子却更加强势，波动率因子的表现则与平日完全相反，体现出高风险高收益率的特征。 我们基于因子在春节期间的特殊表现，构建了春节效应增强多因子模型，该模型多空年化收益率高达39%以上，夏普比率2.27，且相对基准模型有稳定增强。此外，我们还利用市
更新时间：2023-06-01 14:28
高频订单失衡及价差因子
摘要
本文利用高频的逻辑挖掘出盘口数据中有价值的信息，并将其处理得到两大类共14个高频因子，最后降为月频的低频因子，在单因子回测中取得优秀的选股效果。其中MPC5_neut因子IC均值-7.62%，年化IR为-3.09，年化多空收益达到30.63%，夏普比率高达2.88，总体选股效果是所有因子里最好的
正文
/wiki/static/upload/e3/e3da5e00-55b2-42ab-96b3-f4b72c3bbfa6.pdf
\
更新时间：2023-06-01 14:28
买卖报单流动性因子构建 中信建投-20201025
摘要
本文利用高频的逻辑挖掘出盘口数据中有价值的信息，并将其处理得到2个高频因子（买单流动性因子mci、卖单流动性因子MCI，最后降为月频的低频选股因子，在单因子回测中取得优秀的选股效果
其中mci因子IC均值6.89%，年化多空收益26.58%,夏普比率2.71，总体选股效果是所有因子里最好的。mci和mci均对原来的指数增强模型有显著的提升
正文
[/wiki/static/upload/b1/b15163c1-e042-4fc0-97d7-e628ebd57b64.pdf](/wiki/static/upload/b1/b15163c1-e042-4fc0-97d7-
更新时间：2023-06-01 14:28
因子选股系列之五十：A股行业内选股分析总结－东方证券－20190115
更新时间：2023-06-01 14:28