风险控制

在金融领域,风险控制被视为核心业务战略之一,旨在最大限度地降低因市场变动、欺诈行为、管理失误或其他不可预见事件导致的资产损失。这一过程首先通过全面的风险识别和评估来实施,然后运用先进的统计模型,合理地定量分析不同类型的金融风险,这些类型的风险涵盖了市场风险、操作风险、信用风险和流动性风险等。通过连续的风险监控和报告制度,金融机构能够及时调整其风险管理策略,以应对瞬息万变的市场环境和潜在的威胁。因此,有效的风险控制不仅保护了公司的资产和收益,还增强了投资者信心,确保了金融体系的稳健运行。

上涨和下跌预测的stockranker模型组合(买入)

https://bigquant.com/experimentshare/1c44e0bf56db424d8f2a5e617759a300

\

更新时间:2022-03-26 02:03

抄底策略分享

https://bigquant.com/live/shared/strategy?id=60243

需要的留下联系方式

更新时间:2022-03-02 06:13

【已解决】策略可正常运行了

{w:100}

https://bigquant.com/experimentshare/fb090a47d5a14348828be56e969cd9ce

\

更新时间:2021-12-24 09:01

整百下单的一个例子

在默认的AI策略里,交易股数并不是整百,这和实际交易确实有一些不同。之所以这样做,是因为回测主要是验证思想,不想让资金管理、风险控制影响最初的策略思想。

但是,用户是可以手动修改代码,达到整百下单的目的的。

具体方法是修改handle_data函数里交易接口API,同时修改回测类型为:真实价格回测。相关文档可以参考:回测与交易引擎。具体要修改的位置为回测模块trade中的主函数,截图如下: ![image|572x355](/community/upload

更新时间:2021-12-14 13:15

控制每日仓位的一个例子

策略案例

https://bigquant.com/experimentshare/0062e380d1b5400ca5fe4522ac948649

\

更新时间:2021-12-14 13:08

量化多因子指数增强策略实证:指数增强方法汇总及实例-华泰证券-20180531

摘要

指数增强方法汇总及实例

量化多因子指数增强策略实证

指数增强型公募基金以量化方式为主,通过多因子模型能够有效控制风险

指数增强型基金是主动投资和被动投资的有机结合,其目标是在控制跟踪误差的前提下追求稳定、持续超越基准指数的表现。我们整理了目前所有跟踪上证50、沪深300、中证500、中证1000指数的公募指数增强产品,共有36只,其中有32均采用量化方式增强。在量化指数增强策略中,又以多因子模型为主流。多因子模型本质是将对𝑁只股票的收益-风险预测转变成对𝐾个因子的收益-风险预测,通过控制投资组合在风险因子上的暴露达到科学控制跟踪误差的目的。本报告

更新时间:2021-11-26 08:52

一文了解限价单和止损单

策略案例

https://bigquant.com/experimentshare/8245ee9ef1174bbc8ccbcea9ac141310

\

更新时间:2021-11-23 09:12

《因子选股系列研究之十三》:Alpha预测-东方证券-20161025

研究结论

策略Alpha收益的定义取决于投资者控制了哪些风险,Alpha因子的ZSCORE可以通过多期横截面回归取平均的方式转化成预测收益率,输入后续的组合优化过程

在两个变量满足正态分布时,Pearson 和Spearman相关系数的数值很接近,但Spearman秩相关系数在做显著性检验时不依赖于变量的正态分布特性,更稳健,因此因子选股计算IC时多采用后者。

Alpha因子是否需要做风险中性化处理取决于做组合优化时是否做了对应的风险暴露控制,并非风险因素剔除的越多越好。当构建的组合完全控制了风险暴露时,风险调整IC(risk adjusted IC)会比Purifed alph

更新时间:2021-11-22 07:53

《因子选股系列研究之六》:用组合优化构建更精确多样的投资组合-东方证券-20160219

多因子选股模型的整个投资流程包括alpha模型的构建,风险模型的构建,交易成本模型的构建,投资组合优化过程以及组合业绩的归因分析。从国内市场上已公开的量化模型看,采取的大多是打分法选股或者行业、市值分层构建组合,这种组合构建方式缺乏对风险和alpha的精确控制,最终组合可能偏离预定的投资目标

多因子结构化风险模型(如Barra, Axioma)目前仍然是市场上的主流风险模型。股票收益率的样本协方差矩阵面临的主要问题是:在股票数量N超过时间样本区间T时,协方差矩阵不可逆,并且包含着较大的估计误差,这些都会严重影响到投资组合优化,使得优化器给出错误的权重分配。

根据Ledoit and Wo

更新时间:2021-11-22 07:53

固定周期轮仓

https://bigquant.com/experimentshare/90893ae479534a35b18333465ba620b2

\

更新时间:2021-11-19 10:42

技术指标系列报告之六:RSRS择时~回顾与改进-光大证券-20191117

/wiki/static/upload/3d/3d8e35a0-80b4-43e6-8974-99aefe971cee.pdf

\

更新时间:2021-11-17 06:00

如何搭建量化投资研究系统?(工具篇之quantmod)

工欲善其事,必先利其器”。

如何搭建量化投资研究系统?(数据篇)中,作者介绍了如何依靠网络爬虫收集整理交易数据,搭建一个金融数据库。在数据的问题基本解决之后,量化投资的研究工作就要正式启动了。根据人类思维的一般规律,一项复杂的研究工作,通常以“个别、感性、直观”的方式开始,在获得了基本的认识和灵感之后,再逐步上升到“整体、理性、抽象”的认知。所以,量化投资研究的第一步就是——“看盘”,下面介绍如何在R中利用quantmod包“优雅、高效”的看盘。

quantm

更新时间:2021-09-09 02:45

DQN个股择时策略研究

导语

本文主要分享一个基于Deep Q Network的对于个股的择时策略

算法简介

DQN与Q-Learning

本文主要使用的是Deep Q Network。DQN是强化学习的一种方法,结合了Q-learning和深度学习神经网络。

Q-learning是用一张表来记录各个状态下的各个行为的q值,它能记录的状态的个数是有限的。而在金融市场上,价格、交易量等数据都是连续的,因此可以组合成无数种状态,如果用一张表来记录,那么这张表将大到无法想象。

而DQN不用表来记录Q值,而是用一个深度学习神经网络来预测Q值,并通过不断更新神经网络从而学习到最优的行动路径。结构

更新时间:2021-08-24 03:00

量化交易入门书籍-Quantitative Trading how to Build Your Own Algorithmic Trading Business 03

英文书籍的特点就是废话是比较多的,写这个系列也是挑出精华部分,另外加上自己在实操中的一些东东,进行修改,但是是按照书的内容精神走。

英文书籍的特点就是废话是比较多的,写这个系列也是挑出精华部分,另外加上自己在实操中的一些东东,进行修改,但是是按照书的内容精神走。

回测文件格式

做交易时往往涉及到不同的交易品种,一般会按品种区分文件夹,如下图(这里是下载了所有的主力合约,就是每天交易量最大的合约):

![](/community/uploads/default/original/3X/b/2/b26c049cb581ce92fde5b55427fde5e2aa7ac907.j

更新时间:2021-08-13 02:24

次世代均值回归策略

金融市场的均值回归

在量化投资领域,**均值回归(mean reversion)**代表着一大类策略。金融市场的均值回归定义如下:


In finance, mean reversion is the assumption that a stock's price will tend to move to the average price over time.译:在金融领域,均值回归假设随着时间的移动,股票的价格朝着它的均值移动。

我们可以把上述定义中的“股票”换成其他任何投资品。这个定义中最核心的两个字是“价格”(而

更新时间:2021-08-12 03:14

常用量化策略思想概览

随着时间序列系列讲到协整部分,我们会陆续讲一些经典的量化策略。在今天的讲解中,我将简单地介绍一下量化投资中的常用策略算法思想。由于是概览,因此不会对策略的细节进行深度分析。

动量策略

动量策略是抓住市场某一个方向的显著趋势而获利的算法。由于人性的因素,股票市场存在某种“惯性”。当某些题材的热股被热炒时,其价格会快速并且持续地上升。上升的初期可能是由市场上的某个讯息或者热点引起,而后越来越多的投资者在听到之后都会跟风追逐。一个简单的动量策略应用是当前的价格低于MA时买入股票高于MA时卖出股票。

均值回复

均值策略假设虽然市场会出现追涨杀跌的短暂疯狂状态,但从长期趋势来看市

更新时间:2021-08-11 03:22

基于深度学习的高频交易策略

我们一般只发原创,今天看到一篇很棒的文章就转过来和大家分享,已获得作者授权。

作者:郑明 首发于 对冲笔记,ID:HedgeFundNotes

深度学习简介

关于深度学习的话题,目前讨论的很火,各种学习资源也充斥网络,这里只是做一个简单介绍。

Deep Learning 本身算是 Machine Learning 的一个分支,简单可以理解为Neural Network的发展。大约二三十年前,Neural Network曾经是ML领域特别火热的一个方向,但是后来确慢慢淡出了,原因包括以下几个方面:

1)比较容易过拟合,参数比较难tune,而且需要不少trick;

2)训

更新时间:2021-08-10 07:24

Quant的数字货币程序化交易系统开发笔记 - 2

Quant的数字货币程序化交易系统开发笔记 - 2

作者:贾茹

嗯,好久没更新了,因为我最近找到了一家高频的实习~ 入职一周以来,看到了同事大神们写的交易系统,发现自己写的确实还是Naive,也存在一些问题,但 best practice 的具体细节确实没法分享了。所以呢,后续文章内容会有一点变化,会重点讲交易所API的使用和数字货币交易规则。


数字货币交易规则

最近找工作也接触不少数字货币团队,聊下来发现大家主要都集中在4~5个流动性好交易所,期货基本上是 OKEX, bitfinix, bitMEX,现货基本上是火币和币安。

数字货币的交易规则与

更新时间:2021-08-09 05:56

用线性-分类算法实现A股股票选股

策略案例


https://bigquant.com/experimentshare/5c5e31cf67c94de099b00aeab9676e48

\

更新时间:2021-07-30 07:26

用线性随机梯度下降-分类算法实现A股股票选股

策略案例


https://bigquant.com/experimentshare/0128ae6c66014eaf9b3b44b4eb2e9bb5

\

更新时间:2021-07-30 07:26

早盘买卖

策略案例


https://bigquant.com/experimentshare/3f0d164525984abca02f3e0f58155a00

\

更新时间:2021-07-30 07:25

交易逻辑案例_ST和退市股处理

9月24日Meetup 模板案例:

策略案例

https://bigquant.com/experimentshare/2ddd6666ca164cf6b1f79b4a85cf8dae

\

更新时间:2021-07-30 07:25

周线计算指标

7月30日Meetup 策略模板:

策略案例


https://bigquant.com/experimentshare/062a0182231e49f7996b0543e7acad48

\

更新时间:2021-07-30 07:25

分页第1页第2页第3页第4页第5页