1. 什么是Softmax

Softmax要解决这样一个问题：我有一个向量，想用数学方法把向量中的所有元素归一化为一个概率分布。也就是说，该向量中的元素在[0,1]范围内，且所有元素的和为1。

Softmax就是这个数学方法，本质上是一个函数。

假设我们有一个k维向量z，我们想把它转换为一个k维向量 ，使其所有元素的范围是[0,1]且所有元素的和为1，函数表达式是：

![softmax(x)_i = \frac {e^{x_i}

\

策略案例

https://bigquant.com/experimentshare/6d0fcf61776548b5957fe9c90204c56f

\

\

分享一些量化交易相关的常识信息。

五因子模型公式及应用

五因子模型是哪五个因子

**[多因子选股模型及优缺点](https://bigquant.com/wiki/doc/5asa5zug5a2q6ycj6ikh5qih5z6l5zcn6kn6ke

8月19日Meetup策略模板：

https://bigquant.com/experimentshare/a6bae485ffcc47819510b788ddfad338

\

接口

• bigchart.Chart 定义建议 Chart文档

对于HeatMap（热力图）的 _type=”heatmap” 和 series_options：

bigcharts.Chart(
    ... 其他参数
    # 【设置图表类型】图表类型，具体参考各类型图表
    type_ = "heatmap",
    
    # 热力图中y传入的数据轴必须是两项，第一项表示的是y轴坐标轴的刻度数据第二项表示的

{{membership}}

SAR抛物线模型研究

https://bigquant.com/codeshare/25fee71f-dcef-4fe4-a8a1-75bf511d9466

SAR抛物线模型回测

[ https://bigquant.com/codeshare/79b84aec-5eeb-4218-8c38-67e06f477216]( https://bigquant.com/codeshare/79b84ae

擂台赛背景

12月7日，BigQuant发布年度重磅报告（https://bigquant.com/wiki/doc/niandu-zhongbang-bao-DeepAlphaCNN-juanji-shenjingwangluo-qXe3iEgfRI），发布了Deep Alpha-CNN模型，该模型采用7层一维卷积神经网络，并引入残差，降低模型复杂度，防止梯度爆炸/消失，达到更好收敛。

研究结论要点：

1、7层的卷积神经网络表现好于2层，能够学习到更多的市场特征。

2、研究发现当kernel size、batch size、feature map等参数越小，模型表现

\

摘要

量化研究离不开阅读、思考与实证。但囿于国内金融市场不长的历史，很多思维的火花都无法通过足够的数据进行研究和验证。本系列试图填补这一空白，将海通量化团队的分析师平日阅读、思考的心得与海外数据相结合，致力于为国内的量化从业人员提供新的灵感。考虑到篇幅，文中只呈现了研究思路和主要结论，对详细过程感兴趣的读者可与我们联系，海通量化团队时刻为您守候，与您分享。

基于横截面和时间序列指标的因子择时

使用横截面和时间序列变量，对指数构建因子择时模型。讨论在不同经济周期以及市场状态下，对估值、市值、动量、质量以及低波因子具有预测效果的择时变量。分析结果表明，若将经济周期（或商业周期）、

{{membership}}

https://bigquant.com/experimentshare/78b2cb544e1b4f108ed767acf490c133

\

策略案例

https://bigquant.com/experimentshare/9426627188af4f488644532c01328c14

\

问题

滚动训练和自定义运行如何一起使用，能给个例子吗

摘要

G-Resarch作为ICML 2022的钻石赞助商，其研究人员和工程师参加了今年在美国巴尔的摩举行的会议。研究人员收集了他们最喜欢的2022年ICML论文并推荐给大家。

首先是来自机器学习工程师Casey Haaland的推荐，我们可以发现，机器学习工程师关注的论文更偏模型的结构及训练方法优化。

1. Fast Convex Optimization for Two-Layer ReLU Networks: Equivalent Model Classes and Cone Decompositions

**Fast Convex Optimizat

/wiki/static/upload/74/7464d5e3-c643-485a-bdef-793d0ba69cca.pdf

\

摘要

文献来源：Uhl M. W., Pedersen M., Malitius O. What’s in the News? Using News Sentiment Momentum for Tactical Asset Allocation [J]. Journal of Portfolio Management, 2015, 41(2): 100-112.

推荐原因：新闻和新闻情绪常常影响金融市场和资产价格。投资者普遍能认识到这一点，但很少有人利用新闻蕴含的新闻情绪来预测市场走势，并构建alpha策略，更不用说在实操中用它进行战术性资产配置了。为填补这一空白，作者

摘要

互联网大数据与量化投资身处大数据时代，我们所面对的数据的维度在不断增加。传统的量化投资模型基于财务报表及市场价量信息构建因子，信息来源相似性较高导致模型趋同、交易拥堵。在互联网中，非传统金融数据（如舆情、搜索量、语文文本）不断积累，这其中就包括许多对投资有用的信息。

互联网舆情数据可预测性分析相较于传统的金融数据，互联网舆情数据可以及时地描述投资者的情绪面。众多数据源中，舆情搜索指数反映了众多投资者对某类信息的关注情况，本文将众多投资者对大小盘的舆情搜索情绪作为投资者情绪的直接代理变量，以此来研究大小盘风格轮动与舆情变化的强弱之间的关系。投资者情绪随着大小盘风格的变化而波动，同

原文标题：The Journal of Portfolio Management Multi-Asset Special Issue

2021 3.29

作者：Olivier Schmid 、Patrick Wirth

标题：Optimal Allocation to Time-Series and Cross-Sectional Momentum

中文编辑：量化投资与机器学公众号 QIML Insight 系列

\

核心观点

趋势（或动量）策略应该根据市场的状态，动态分配策略在时序动量与截面动量的权重。

基于时序动量与截面动量的组合策略主要依赖于各品种的趋势强度及品种间的相

\

作者：Jintao Liu1∗ , Xikai Liu1∗ , Hongfei Lin1† , Bo Xu1,2 , Yuqi Ren1 , Yufeng Diao1,3 , Liang Yang1 1

时间：2020年

原文标题：Transformer-Based Capsule Network For Stock Movements Prediction

摘要

股票走势预测对于研究和行业来说都是一项极具挑战性的研究。利用社交媒体预测股市走势是一项有效但困难的任务。然而，现有的基于社交媒体的预测方法往往没有考虑到特定股票的丰富语义和关联。这就导致了有效编码的困难。为了解决这一问题

{{use_style}}

一.导语

欢迎您来到BigQuant！

BigQuant是一个人工智能量化投资平台，平台内聚集了各类人工智能量化开发者、订阅者和学习者。

二.开发者

如果您是一位充满好奇心的学习者，在BigQuant您可以前往：

1.培训报名

与知识经验丰富的讲师团队，通过线上+线下的方式，学习AI量化入门、因子构建分析、AI量化实践、实战等，纵观全局获得AI量化全貌，由浅入深进阶成为量化大神。

![{w:100}{w:100}{w:100}{w:100}{w:10

策略案例

https://bigquant.com/experimentshare/05251c753111424eaff32648838ac24f

\