量化交易

策略案例

https://bigquant.com/experimentshare/2d9488a9b36342898a1431052bc78d08

\

挖掘因子是构建策略的第一步，有效的因子组合可以获取超额收益，而沉余琐碎因子则会让策略失效，所以搭建具有显著收益正相关性的多因子模型，是策略研究前期工作的重中之重。基本面因子以财务数据和股东数据为基础构建，如下：

1.#盈利能力因子。相较于其他盈利能力因子，CFOA在不同选股域中的有效性均较为显著，体现其对收益率较强的预测能力。同时，CFOA因子的多头组合在全市场普遍具有较高的年化收益和较低的最大回撤。

2.#成长能力因子。在全市场中，多数成长能力因子的IC检验有效性较为显著，其中业绩趋势因子（QPT）和标准化预期外净利润因子（NP_SUE1）在不同选股域中具有较强的收益预测能力。

3

期货量化交易有什么特点呢？

1.速度快。交易市场如战场，尤其是在开盘的时候，很多品种的盘口特别活跃，成交量很大，这就是拼速度的时候。很多量化交易公司的交易办公室都在交易所附近，他们凭借速度的优势，频繁地买进卖出，拥有速度优势。

2.交易周期小。交易就是低买高卖，高抛低吸，是一个赚差价的游戏。谁都不愿意为他人做嫁衣，谁也不愿意为他人抬轿子。现在很多量化交易公司的员工都是名牌大学的高才生，他们拥有高智商，高技术，使用3秒的交易周期都嫌长。普通散户一开仓，量化交易就平仓了。因为别人在数着你的单子呢！

3.仓位灵活。很多量化交易公司都在做短线，导致许多品种早盘在大幅度的增仓，而收盘时又变成

摘要

回顾2018年中国资本市场，可谓风云诡谲，变幻莫测。在纷繁复杂的市场行情之下，华创金工团队独辟蹊径，以专业的量化视角和独创的分析工具，分别从市场反弹的历史大数统计、机构持仓分析、高送转行情预测、四季报行情推荐等角度为投资者展开分析，并利用华创金融科技团队独创的“数知”产品将基本面数据进行高频化，以求在2018年年尾为投资者回顾过往，预见未来。

本文分别从四个部分，即市场反弹的历史大数统计、机构持仓分析、高送转行情预测、业绩预期，最终试图解读部分2018年的市场行情。 本文的第一部分，市场反弹的历史大数统计中，通过对中证1000指数自年以来四次反弹行情的历史情况统计，我们发现在反

#业内人士透露，伴随量化交易的迅猛发展，越来越多的百亿级量化私募选择降频，目前主流量化多头的年均换手率已降至30倍至50倍。降频意味着夏普比率的降低，策略的周期性特点会更加明显，管理人如何继续保持获取超额收益的竞争力？

私募排排网最新数据显示，截至目前，百亿级量化私募数量已高达34家。而在1年前，百亿级量化私募数量只有18家。也就是说，短短1年时间，头部梯队扩容了翻了一番。

另外，据某大型券商统计，截至6月底，管理规模超过200亿元的量化私募达到10家，其中管理规模超过400亿元的机构有6家。

面对“高夏普”的离去，管理人该如何保持获取超额收益的竞争力呢？在多位业内人士看来，基本面因子

伴随着国内量化私募管理规模不断创出新高，量化交易中经常提及的算法交易工具逐渐被投资者熟知和青睐，市场上也涌现出了一大批优秀的算法交易服务商。

但与国外欧美市场算法交易份额80%-90%相比，国内算法交易发展方兴未艾，未来会有越来越多的专业投资者通过算法交易工具武装自己！

算法交易又称为黑盒交易，是指凭借IT技术的发展，利用算法完成订单拆分、挂单和撤单等交易环节，提供以成交为目的的自动化交易执行。其主要目标是保证执行效率、降低冲击成本、减少人力成本、保护交易意图、捕捉交易机会。

算法交易优势主要体现在三个方面：1.有效降低交易冲击成本；2.大幅提高交易执行效率；3.避免与竞争对手正面“交战

标题一张嘴，内容全靠吹。

量化玩数载, 学废占多数。

基础不打牢, 进阶两行泪。

人工与智能, 玩好人上人。

曲线与真实, 理想与现实。

问我怎么办, 闭眼直接上。

单票+满仓, 不死也重伤 。

分仓+风控 , 还好有点用。

为啥搞量化, 数据说实话。

人言不可信, 都是韭菜命。

师从百家长, 悟道一朝夕。

只晓一两招, 天梯屠榜客。

学尽屠龙技, 恨无龙可屠。

废话那么多, 源码在哪里？

链接直接粘，克隆就完事。

调参随便改，画图随你心。

回测皆浮云，实盘屌炸天。

发帖撞撞X， 深藏功与名

量化交易是通过严谨而复杂的数学或统计学模型，借助计算机辅助，通过对大量历史数据进行分析，选择大概率上具有超额收益的投资方法，将其由计算机直接执行的交易方式 量化交易和人工交易最大的区别就是在交易执行层面。 量化交易具有很强的客观性，摒除了人性的一些弱点，比如举棋不定、纠结、贪婪等。BUT，它又是人设计的，所以，它也可以说是具有很强主观性的交易方法 另外一些量化交易的特征： 1.可测性：量化交易分析指标具有可准确描述的确定性 2.可复现：量化交易分析指标具有历史不变性，只要采用的分析方法不变，原始信息来源不变，不论什么时间去做分析，其结论都是一致的 3.可预期：量化指标往往具有较强的规律性，通过

机器学习：

岗位职责：

1. 在量化交易各个不同市场的相关数
2. 据上进行高原创性的深度学习模型研究；
3. 构建和创新深度学习算法在量化交易领域的评价体系。

岗位要求：

1. 计算机、统计学等相关专业，硕士博士学历；
2. 熟悉机器学习/深度学习领域内各个子领域的代表性算法，并对机器学习/深度学习某一子领域的state-of-the-art模型有一定的研究深度；
3. 多篇领域顶会(NeurIPS/ICML/CVPR/ICCV/ECCV/EMNLP/SIGKDD/IJCAI/AAAI等)以第一作者发表论文；
4. 同时具备深度学习的理论基础以及在真实数据和场景下应用深度学习的经验，

高频交易员：华尔街的速度游戏 / （美）刘易斯著；王飞，王宇西，陈婧译；郑磊校译.

/wiki/static/upload/ec/ec8b1e97-f1c8-47b0-ad80-9d9810ca5945.pdf

\

导语

过滤是量化交易中最常用的选股功能，本文就来介绍几种常用过滤实现。

BigQuant平台提供了 数据过滤 模块，可以方便地针对DataFrame做列过滤。

我们首先在编写策略界面中新建一个可视化AI策略，如下图所示。

A股股票过滤模块

平台提供了A股股票过滤模块，通过该模块可以很方便地实现成份股过滤、市场过滤、申万一级行业过滤、ST股票过滤和暂停上市股票过滤。如图所示，我们在训练集和预测集数据流中分别

摘要

谷歌趋势可以提供“早期预警信号”。全世界范围内均受到金融市场危机的深刻影响。而造成危机的复杂的人类行为可以在详细的市场交易数据中有所反映。人类与互联网互动所产生大量新的数据源，可能会为研究市场参与者在市场较大波动期间的行为提供一个新的视角。通过分析金融相关词汇的谷歌搜索量的变化，发现可能被用于解释股市波动的“早期预警信号”模式。研究结果表明，结合广泛的行为数据集可以更好地理解人类的集体行为

正文

[/wiki/static/upload/96/96cdec37-3db0-4350-8f71-00ca099dc050.pdf](/wiki/static/upload/96

《AI 量化概览》：认识 AI 量化及其发展应用

《Python 编程基础》：Python 基础语法 + Numpy (Cheatsheet )+ 线上 DataSource 的使用

《Pandas 数据分析》：Panda 语法案例 + Pandas Cheatsheet 与绘图模块使用(K 线图)

![](/wiki/api/attachments.redirect?id=9c5a2a7c-89b8-4bb5-91cf-3d1a557

这是关于股票主动投资组合管理的第一篇教程。在开始介绍正式内容之前，我先简要简要说一下《Alpha系列》的初衷。

近年来，随着国内大数据和人工智能的迅速崛起，量化交易领域也有了长足的发展。 从原来的指标驱动型程序化交易，演化到现在的以机器学习、人工智能为代表的新型量化交易。同时，量化交易的门槛与过去相比下降了许多。 不仅是因为这些年数据科学的发展带动了python及其生态的成熟和推广，更由于类似tushare、vnpy、zipline等开源项目以及像quantopian、bigquant等量化平台的出现， 使得以前做量化先造轮子到现在量化从业者可以专注于策略的研发，使得更多的人能够进入到这个领