回测验证

"回测验证"在金融领域中是投资策略或模型开发的关键环节。它是使用历史数据,在虚拟环境下对某种交易策略、算法或模型进行检验的过程。通过回测,投资者可以了解策略在过去市场条件下的表现,从而评估其潜在的风险和收益。有效的回测验证不仅可以增强投资者对于实用投资的经内分泌移植合同的策略模型指标的招标xindicebooks媳妇去洗头xiang,,同时也可以帮助识别和修正可能存在的问题和弱点,进一步提高策略的稳健性和适应性。因此,回测验证是金融决策过程中不可或缺的一部分,为投资者提供了在真实市场实施策略前的“试错”机会。

如何构建Halpha、wgt_return_Nm等动量因子

更新

本文为旧版实现,仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU


预计算因子表[数据平台] https://bigquant.com/data/datasources/cn_stock_prefactors

https://bigquant.com/wiki/doc/dai-PLSbc1SbZX

[http

更新时间:2024-06-07 10:55

特征取分位数据

2021年7月8日Meetup模板:

https://bigquant.com/experimentshare/4fa50659ea5340188b574e288c0f9903

\

更新时间:2024-06-07 10:55

如何构建和使用情绪指标?

问题

每日涨停/跌停数,每日上涨股票数等情绪指标如何构建和使用?

视频

[https://www.bilibili.com/video/BV1Z94y1Q73b?share_source=copy_web&vd_source=2e7dc1240ea373ea6eba1134af8dd086](https://www.bilibili.com/video/BV1Z94y1Q73b?share_source=copy_web&vd_source=2e7dc1240

更新时间:2024-06-07 10:55

2023-AI量化Meetup

\

更新时间:2024-06-07 10:55

【主题分享】市场风格变化时策略如何自动切换

策略源码

A:市场风格变化时策略如何自动切换

更新时间:2024-06-07 10:55

计算股价高低位的方法

问题

有什么方法或因子可以描述股价在高位或低位?

视频

https://www.bilibili.com/video/BV1ov4y1Z7Yg?share_source=copy_web

策略源码


[https://bigquant.com/experimentshare/9fa4d332095143b598308c57de203788](https://bigquant.com/experimentshare/9fa4d33

更新时间:2024-06-07 10:55

如何使用超参搜索持仓天数

视频讲解

点此查看视频

策略源码

https://bigquant.com/codeshare/769aba37-1960-4fc6-bedc-1d7a8a4dee0a

\

更新时间:2024-06-07 10:55

高质量AI量化策略

【此文档为旧版策略】具体可参考新版文档:

https://bigquant.com/wiki/doc/103-ai-LpsqDhu8mG

https://bigquant.com/experimentshare/dd9cff01459a41f9be40d7e660164795

\

更新时间:2024-06-07 10:55

按天标注

策略案例

https://bigquant.com/experimentshare/644652453c624f34a027c192e4f8703a

\

更新时间:2024-06-07 10:55

超参寻优调参顺序

策略案例


https://bigquant.com/experimentshare/fe8ec83484ca44148602d39a58545d75

\

更新时间:2024-06-07 10:55

模型保存读取

7月16日Meetup模板案例:

策略案例

https://bigquant.com/experimentshare/0aae2066f74e475ba198a6f79757c03f

\

更新时间:2024-06-07 10:55

专利因子与量化选股

视频讲解

https://www.bilibili.com/video/BV1ZG41187mJ?share_source=copy_web&vd_source=2e7dc1240ea373ea6eba1134af8dd086

知识库链接

专利因子在量化选股中的运用

策略源

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

构建日历周线级别因子

https://bigquant.com/experimentshare/f5061810f6e34b71ad59641c2f54e290

\

更新时间:2024-06-07 10:55

如何用catboost替换stockranker算法

问题

请教catboost的详细使用方法,对于原先使用xgboost或者stockranker的策略,如何用catboost替换掉xgboost或者stockranker?

视频

https://www.bilibili.com/video/BV1US4y1n79r/?spm_id_from=333.999.0.0

策略源码

[https://bigquant.com/experimentshare/c2422c6678a8

更新时间:2024-06-07 10:55

强有效因子下的线性模型选股策略

备注:本策略含有未开放的数据,故克隆之后无法运行。

{{membership}}

https://bigquant.com/codeshare/b6e80d6b-f5e0-4778-97cf-77fcadb7b488

\

更新时间:2024-06-07 10:55

2022-AI量化Meetup导览

\

更新时间:2024-06-07 10:55

量化交易模型及策略2023版

量化交易利用数学和统计学方法来分析市场并执行交易的过程,是现代金融的一个重要组成部分。量化模型的目的是通过算法自动识别并利用市场中的规律和机会,用以获取更多收益。

量化交易模型的一般由以下几个部分组成:

1 数据处理模型: 量化交易的基石是数据。这包括了从历史价格、成交量到公司财报、宏观经济指标等各类数据。对这些数据的收集、清洗和处理是构建有效模型的首要步骤。**[BigQuant策略编写平台](http

更新时间:2024-06-07 10:48

均线突破策略-期货分钟

https://bigquant.com/experimentshare/ce74bc7af5cd4206bcb1b6334235e2f8

\

更新时间:2024-06-06 10:40

AI+涨停板特征提取

策略简介

本策略是一个基本的StockRanker策略,使用的因子除了一些基本的量价指标、技术指标、财务指标之外,我们加入了涨跌停的因子,由于涨跌停price_limit_status这个字段的含义是等于1表示跌停、等于2表示非涨跌停、等于3表示涨停,因此我们将过去10日的涨跌停状态相加的话,值越大就表示涨停次数越多。

在StockRanker模型上,由于数据量的增加,我们适当的调整了模型参数:叶节点数量、每叶节点最小样本数、树的数量,以避免模型欠拟合。

模型训练时间为2015-2022年,回测时间为2023-2024年,策略持股5支,等权重,持仓5天

策略源码

[htt

更新时间:2024-06-03 06:51

根据财务数据生成目标因子

这是旧版的例子, 只能在2.0.0的Aistudio中运行

策略案例

https://bigquant.com/experimentshare/54fe864132a7447894540d70cd2e36e5

\

更新时间:2024-05-24 11:02

如何对1-3日内上涨的股票进行标注

问题

freestyle996+如何运用股票标注的方法对1-3日内上涨的股票进行标注?

视频回放

https://www.bilibili.com/video/BV1uP4y1R7kh/?spm_id_from=333.999.0.0

策略源码

[https://bigquant.com/experimentshare/0a4bb333c1bb4f4e91d7701a3538f6f4](https://bigquant.co

更新时间:2024-05-21 09:10

小市值策略源码

{{membership}}

https://bigquant.com/codeshare/ffad41f4-0b34-4997-9702-5b7753950675

\

更新时间:2024-05-20 07:35

A股股票过滤模块

https://bigquant.com/experimentshare/116fdc30e1944051ba43f73e74837776

\

更新时间:2024-05-20 07:21

用线性-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:2024-05-20 07:17

分页第1页第2页第3页第4页
{link}