投资决策
投资决策是金融领域的核心活动，它涉及到对资金的分配和资源的优化配置，以期在未来实现资产的增长或者获得其他形式的收益。此过程要求对多种投资工具，如股票、债券、基金、房地产等，进行深入分析，并基于风险承受能力、投资期限、收益预期等因素进行合理选择。成功的投资决策依赖于准确的信息来源、专业的金融知识和对市场的敏锐洞察，旨在实现投资组合的风险分散和收益最大化。在复杂多变的金融市场中，理性、审慎和前瞻性的投资决策是投资者实现财富保值增值的关键。
10套quant话术，1招解决做个Quant社牛
作为量化，如何轻松甩锅？市场大跌了、游资爆仓了、成交缩量了、主观扑街了、公募回撤了、人菜瘾大了、对冲成本涨上去了？
如何回应尽调？策略理念：价值+成长，自上而下+自下而上，时间的人质/敌人/朋友？团队：发际线坚挺，没有核心人员流失，走的都不是核心？
一招解决，做好Quant社牛？
方法1：直接把回复做成模板：保存图片——微信——我——设置——通用——聊天背景
方法2：https://bigquant.com/activity点击报名
导语
量化的目的之一是把通过对历史数据的规律研究，转化成投资决策。本次分享从具体的案例出发，如何快速把历史数据的经验，转化成自己的经验，进行投资交易决策。例如，2022年2月24日，大盘大跌，下跌股票数：3900+，上涨股票数600+，大跌行情下，如何操作? 经量化研究，找出了一种操作方案，共回测2年，选出2000支股票，平均每支收益5%。
策略思路
- 找出历史大盘大跌数据，作为回测的股票池
- 大盘大跌情况下，逆势涨停股票，是否依旧强势，是否可精选逆势涨停票第二天进行实操
- 大盘大跌情况下，受大盘影响顺势跌停的票，是否能精选出
更新时间：2022-03-22 02:27
分钟因子加工
更新时间：2022-02-26 09:29
【已解决】策略可正常运行了
更新时间：2021-12-24 09:01
用k-近邻回归算法实现A股股票选股
更新时间：2021-11-30 02:54
《因子选股系列研究之四十六》：DFQ2018绩效归因与基金投资分析工具-东方证券-20181025
绩效归因分析主要是将投资组合的业绩与基准业绩相比较，并将超越基准部分的收益分解成若干影响投资决策的因素。投资组合的绩效归因分析主要有两大类：基于收益率的绩效归因和基于组合持仓的绩效归
基于收益率的绩效归因主要有T-M 模型、H-M 模型、C-L模型、TM-FF3 、HM-FF3和CL-FF3模型。基于组合持仓的绩效归因主要依据Brinson模型和多因子模型。基于持仓的归因相比于基于收益率的归因能够从更多角度刻画组合管理人的投资能力。
风险也是组合管理人关心的重要部分，对投资组合进行风险归因有助于组合管理人了解组合的风险来源。风险归因分为事前(ex-ante)风险归因和事后(ex-post)
更新时间：2021-11-22 07:53
【精品】全网人工智能机器学习免费资源汇总清单
作者：Robbie Allen
编译：BigQuant
早在21世纪初，我在编写关于网络和编程的书的时候，我就发现，互联网是一个很好的资源，但是它还不完善。 那时，博客已开始流行。但是YouTube还不是很普遍，同样Quora，Twitter和播客用户也很少。十年过后，我一直在潜心钻研人工智能和机器学习，局面发生了翻天覆地的变化。互联网上现在有非常丰富的资源——当你要寻找选择你想要的资源时，你很难抉择你应该从哪里开始（和停止）！
我们比较了2017年全年近2万篇关于机器学习应用的文章，并且从中挑选出50篇最有价值的文章分享给大家。
“在硅谷，招聘一名机器学习工程师或数据科学家正在变得像招聘一名职业运动员一样。 这就是对他的要求”——[纽约时报](https://www.nytimes.com/2017/10/22/technology/artificial-in
更新时间：2021-08-24 05:46
主动投资管理定律
更新时间：2021-07-30 09:36
量化研究每周精选-20171215
导语：当你使用深度学习思想开发量化策略时，您是否觉得模型本身是个“黑箱”，对模型做出的投资决策也是倍感疑惑。本文希望通过一种称为“CLEAR_Trade”的可视化方法，帮你跟好地理解深度学习AI量化模型。 BigQuant拥有海量的数据和主流开源AI框架，赋能每一位爱好机器学习/深度学习和量化交易的人。
《通过CLEAR-Trade开启AI量化模型的黑箱》
原文：《Opening the Black Box of Financial AI with CLEAR-Trade: A CLass-Enhanced Attentive
更新时间：2021-07-30 09:21
10大统计技术
无论你如何看待数据科学这门学科，都不能轻易忽视数据的重要性，以及我们分析、组织和理解数据的能力。Glassdoor 网站收集了大量的雇主和员工的反馈数据，发现在美国“25个最好的工作职位清单”中排名第一的是数据科学家。尽管排名摆在那里，但毫无疑问，数据科学家们研究的具体工作内容仍会不断增加。随着机器学习等技术变得越来越普遍，像深度学习这样的新兴领域获得了来自研究人员、工程师以及各大公司更多的关注，数据科学家会继续站在创新浪潮之巅并且推动技术的不断发展。
尽管拥有强大的编码能力非常重要，但数据科学也并非全部都是关于软件工程的（事实上，能够熟练掌握python已经足够很好的开展工作了）。数据科学
更新时间：2021-07-30 09:08
回归、分类模型构建
导语
回归、分类和排序是我们经常遇到的问题场景。本文主要介绍如何实现回归和分类两类问题的模型构建。
首先我们明确一下算法在机器学习中的地位。一般来说，机器学习有三个要素： 数据、算法和模型 。
- 数据 是场景的描述，包括输入和输出。
- 算法 是得到模型的过程，狭义上说，特指机器学习算法，如传统线性回归、树和支持向量机以及深度学习； 广义上说，从输入数据到最终确定模型输出的所有过程，即建模流程都可以看作算法，如分类、回归模型，搜索最优参数算法。
下面我们来举两个例子，看看回归和分类问题的应用场景有什么不同。
回归模型
![](/wik
更新时间：2021-07-30 08:22
ROE策略
更新时间：2021-07-30 07:56
指定价格成交
更新时间：2021-07-30 07:25