更新时间:2024-06-07 10:55
\
更新时间:2024-06-07 10:55
"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。
更新时间:2024-06-07 10:55
\
**徐啸寅
更新时间:2024-06-07 10:55
有哪些合理的大盘风控方案?
https://www.bilibili.com/video/BV1TF41167ph?share_source=copy_web
[https://bigquant.com/experimentshare/07791ba8fc354d4e9793ce963a735263](https://bigquant.com/experimentshare/07791ba8fc354d4e9
更新时间:2024-06-07 10:55
更新时间:2024-06-07 10:55
更新时间:2024-06-07 10:55
【此文档为旧版】 相关新版文档参考:
https://bigquant.com/wiki/doc/ai-rq8QOC2fDb
https://bigquant.com/experimentshare/16571b942a8a4a92a4914c15f65d0883
\
更新时间:2024-06-07 10:55
更新时间:2024-06-07 10:55
更新时间:2024-05-21 06:30
更新时间:2024-05-15 02:10
/* 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。
更新时间:2024-02-01 08:26
更新时间:2023-11-13 02:20
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
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
如题,前期的教程,目前好像失效了
更新时间:2023-10-09 03:36
更新时间:2023-09-27 02:30
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
https://bigquant.com/experimentshare/b6f174124d3e4c33bdd683498f5d44a9
\
更新时间:2023-06-01 02:13
\
更新时间:2023-05-11 03:12
• 点击新建对话,创建一个新对话
• 点击输入框,开始与QuantChat交流
• 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
更新时间:2022-11-20 03:34
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。
更新时间:2022-10-24 10:30
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。
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。
我们采用经济、通胀、货币等宏
更新时间:2022-10-09 10:34