A股市场在过去10年无论在股票数量还是在总市值方面都呈现出极强的增长性,H股市场也同样增长速度较快,但总体慢于A股市场。
在所有A/H同时上市的股票中,金融公司占据其中的大多数,且绝大多数A/H股同时上市的公司中,其A股上市地点为上交所。
对于A/H同时上市的公司来讲,平均来看,其A股总市值是H股总市值的2-3倍,但H股的自由流通市值比A股的自由流通市值更高。
我们采用面板回归对A/H价格比的影响因素进行分析,发现上市公司所属行业、市值大小、时间区间对A/H价格都有显著的影响,其中金融行
更新时间:2022-08-31 08:49
更新时间:2022-08-31 08:06
更新时间:2022-08-17 05:15
\
同期经济数据和资产价格表现出较高的相关性,由于数据可得性的问题,实际经济数据披露滞后到T+1期,而通常需要在T-1期制定投资决策。已披露经数据大部分pricein在资产价格里,但经济变量有一定的动量效应(特别是考察同比值的经济变量),该类趋势模型赚钱的本质是经济变量的动量收益。不确定性来自于经济变量的拐点和市场预期与真实经济数据披露的预期差
以一篮子资产价格同比为X,经济数据为Y,反观资产价格反映多少经济预期。历史上,资产价格与经济变量的波动同步见顶见底,08年之后,
更新时间:2022-07-25 08:39
单纯的定性分析方法将不足以应对数据处理带来的挑战,投资者需要一种效率更高、覆盖度更广的工具去进行定量分析,以便于获得更多的时间用于定性分析与研究,从而最终做出更优的投资决策。
量化投资方法正是这样一种高效的工具,通过局部替代主观投资方法中基础工作内容来提高投资效率。
同样,对于目前仅以量价数据为主要投资依据的机构而言,在量化投资行业大发展过程中,随着同类型管理人越来越多,策略同质化愈发严重,超额收益也更难获取。
挖掘多元化、差异化收益来源成为破局思路之一,未来量化投资也必然会更加注重基本面的底层逻辑。
总体而言,这两种方法各有利弊,两者的结合,才是通往长期投资成功的最可靠途径,也是必然
更新时间:2022-05-25 08:14
更新时间:2022-04-28 05:58
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
![{w:100}{w:100}{w:100}{w:100}](/wiki/api/attachments.redirect?id=14fb0f9
更新时间:2022-04-22 02:34
更新时间:2022-03-27 14:17
作者:陈奥(chenao1106)
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%。
更新时间:2022-03-22 02:27
更新时间:2021-12-24 09:01
更新时间:2021-11-30 02:54
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
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)!
![微信图片_20180306160704|690x277](/community/uploads/default/original/2X/5/
更新时间:2021-11-11 07:27
ACL 2018(56th Annual Meeting of the Association for Computational Linguistics)将于2018年7月15-20在澳大利亚墨尔本召开,会议的Accept的论文也早已经Releas出来。
ACL作为自然语言处理方面的顶级会议之一,其中很多工作代表了NLP的前沿方向,因此,其中很多文章非常值得学习和借鉴,今天按照一定的主题,跟大家分享一下2018年ACL的最新论文。主要分类一下14个方向整理(个人观点,仅供参考)
Dialogue and Interactive Systems(对话及交互系统)
**Qu
更新时间:2021-09-08 06:23
作者:Mybridge
翻译:BigQuant
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
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。
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
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 。
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。
![](/wik
更新时间:2021-07-30 08:22