量化模型

"量化模型"是金融领域的重要工具,它运用高级数学、统计学和计算机科学,将复杂的市场行为、风险因子和资产性能转化为可度量和可预测的数字模式。这些模型不仅为投资决策提供了数据驱动的见解,还通过算法交易、风险评估和资产配置等策略,增强了金融市场的效率和准确性。在大数据时代,量化模型对于揭示隐藏在海量数据中的价值和趋势具有关键作用,从而帮助投资者在不确定性中找到相对的确定性,优化收益并管理风险。

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

2023-AI量化Meetup

\

更新时间:2024-06-07 10:55

70th Meetup

量化因子

有哪些构造反转因子的思路?

"反转因子"通常指的是一种预测证券价格短期内可能发生逆转的因子,即预测那些最近表现较差的股票在未来会表现得较好,而最近表现较好的股票在未来会表现得较差。

  1. 量价反转:5日收益率
  2. 技术反转:RSI,布林带
  3. 基本面反转:估值水平,扭亏为盈

如果最快速的判断一个因子是不是反转因子

  • 因子构建思想
  • 统计检验:如计算该因子与未来收益的相关系数,或者使用回归分析来评估该因子在控制了其他因素后对未来收益的解释能力。
  • 极端行情下的表现

量化模型

最新的DAI AI的stockranker什么时候

更新时间:2024-06-07 10:55

63rd Meetup

量化模型:

  • 如何通过python做出量化估值模型?
  • 学习线性代数和解析几何对建立模型的优势是什么?
  • 如何在XGboost中实现华泰研报关于有序回归作为损失函数和评价函数?

策略优化:

  • 为什么策略的预测结果通常不是第一只收益最高?
  • 为什么StockRanker的训练次数不是越大越好?
  • 概率在量化策略中的应用如何合理化实施?

策略实盘:

  • 如何快速判断策略是否能用于实盘?即未来也能带来收益

量化学习:

  • 如何入门量化交易?
  • 量化交易难度怎么样?



\

双十一活动预热:


**徐啸寅

更新时间:2024-06-07 10:55

有哪些合理的大盘风控方案?

问题

有哪些合理的大盘风控方案?

视频

https://www.bilibili.com/video/BV1TF41167ph?share_source=copy_web

策略源码

[https://bigquant.com/experimentshare/07791ba8fc354d4e9793ce963a735263](https://bigquant.com/experimentshare/07791ba8fc354d4e9

更新时间:2024-06-07 10:55

小市值策略

策略源码

{{membership}}

https://bigquant.com/codeshare/41bf4005-7f89-45a6-921e-51b1dcc771d9

\

更新时间:2024-06-07 10:55

情绪因子策略风控

https://bigquant.com/experimentshare/5730c1e899ef4685ba497c554c7eab79

\

更新时间:2024-06-07 10:55

一阳穿多线策略的因子描述-滚动训练

【此文档为旧版】 相关新版文档参考:

https://bigquant.com/wiki/doc/ai-rq8QOC2fDb

策略案例

https://bigquant.com/experimentshare/16571b942a8a4a92a4914c15f65d0883

\

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

高频回测模块择时策略

8月19日Meetup策略模板:

https://bigquant.com/experimentshare/a6bae485ffcc47819510b788ddfad338

\

更新时间:2024-05-21 06:30

设置回测基准期货案例

策略案例


https://bigquant.com/experimentshare/05c39d35fc4542cc9fc763d812220af9

\

更新时间:2024-05-15 02:10

预测下跌要怎么打标签

/* 使用DAI SQL为量化模型预测生成标签数据。标签反映了未来5日的收益率,并且被离散化为20个桶,每个桶代表一个收益率范围。这样,我们就可以训练模型来预测未来的收益率范围,而不仅仅是具体的收益率值。

  1. 首先定义了一个名为label_data的临时表,用于计算和存储未来5日收益率,其1%和99%分位数,以及离散化后的收益率(被分为20个桶,每个桶代表一个收益率范围)。
  2. 对未来5日收益率进行了截断处理,只保留在1%和99%分位数之间的值。
  3. 选择了标签值不为空,并且非涨跌停(未来一天的最高价不等于最低价)的数据
  4. 从这个临时表中选择了日期、股票代码和标签字段,以供进模

更新时间:2024-02-01 08:26

同花顺涨停板涨停封单量占流通a股比因子分析20230928

https://bigquant.com/codeshare/95ccec07-798d-4e66-a488-e239a0a58d79

\

更新时间:2023-11-13 02:20

如何把次日开盘数据加入策略?

如何把次日开盘数据加入策略?比如竞价金额,竞价成交量。开盘涨幅。

更新时间:2023-10-17 01:36

请问财务数据和宏观数据等怎么导入量化模型作为特征变量

请教一下大佬们,

对于有些bigquant内置变量,是可以直接作为特征变量导入的。

但是对于财务数据和宏观数据等,只是可以读取,不知道怎么用于模型。

比如m2、研发支出,在数据库中是有的,也可以读取,但是不知道怎么调用

谢谢

更新时间:2023-10-09 06:30

如何进行择时处理

看到好多策略的择时是根据大盘的5日下跌来的,有时候想参考其他的,比如上证是否站上5日线,是否大盘均线交叉等等,由于摸索起来有点困难,希望有大神指导一下,怎么在回测时增加上面的处理,感谢!!!

更新时间:2023-10-09 06:08

如何获取因子看板中的因子数据?

如题,前期的教程,目前好像失效了


{w:100}

更新时间:2023-10-09 03:36

同花顺涨停板涨停封单量因子分析20230928

https://bigquant.com/codeshare/f5671f58-aa7c-45ef-8436-83b6415fd99c

\

更新时间:2023-09-27 02:30

Bigquant数据导航

预计算因子:直接可拿来用

链接:https://bigquant.com/wiki/doc/yinzi-b9voNK2tnq

数据源检索:具有比较丰富的数据,但需join或者其他处理才可以作为因子使用

链接:https://bigquant.com/wiki/doc/-tOnkTw9FhH#h-财报数据

\

更新时间:2023-06-06 03:07

如何在AI策略中加入大盘指标因素,比如,大盘走坏时,不开仓

问题

如何在AI策略中加入大盘指标因素,比如,大盘走坏时,不开仓

https://bigquant.com/experimentshare/b6f174124d3e4c33bdd683498f5d44a9

\

更新时间:2023-06-01 02:13

策略高级设置


\

更新时间:2023-05-11 03:12

QuantChat-小白如何学习量化投资

• 点击新建对话,创建一个新对话


{w:100}


• 点击输入框,开始与QuantChat交流


{w:100}


• 您可以直接输入以下对话


![{w:100}](/wiki/api/attachments.redirect?id=df515aaf-cef1-460

更新时间:2023-05-04 02:33

马科维茨做上证50指数增强探索

策略案例

https://bigquant.com/experimentshare/2a00653732244481a8a60eabac272d5a

\

更新时间:2022-11-20 03:34

低频量化策略的胜负博弈 华泰证券-20220624

摘要

量化策略都在捕捉市场规律,低频策略应当重视收益来源和逻辑支撑

所有量化模型都在试图捕捉市场的规律,在训练模型的过程中,不可避免需要去拟合样本内的一些场景。规律是金融市场客观存在的,还是从样本数据挖掘所得到的,是所有量化模型都需要直面的问题。高频策略和低频策略的不同特征使得策略评价层面存在差异,低频策略的有效性评判所需时间更长、难度也更大,甚至每一次投资决策的结果都可能是胜负的关键。因此低频策略的收益来源和逻辑支撑显得尤为重要。常见的低频择时策略可能在匹配资产背后的特定频谱,或存在大级别行情贡献了短期收益。

高频与低频策略的天然差异导致策略有效性评判层面有不同的考量

更新时间:2022-10-24 10:30

量化模型与宏观逻辑的碰撞-光大证券-20200424

摘要

本篇报告聚焦于宏观状态的识别及其在行业轮动上的应用。报告采用量化模型结合主观逻辑的方法,并通过中观重点指标验证宏观状态,构建了宏观视角下的大类行业轮动模型。

同类行业共享宏观逻辑,多维特征划分大类行业。

作为行业配置的前提,我们需合理划分特征相似的大类行业板块。将不同市场行情下的收益率、ROE、营收增速等数据作为板块特征,结合K-Means、模糊C-均值聚类进行行业的聚类,通过少量逻辑调整将行业划分为周期上游、周期中游、周期下游、可选消费、一般消费、金融、科技七大板块。

动态宏观情景聚类:有效缓解历史信息依赖。

我们采用经济、通胀、货币等宏

更新时间:2022-10-09 10:34

分页第1页第2页
{link}