简单来讲，量化投资就是利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程。

量化交易 是指借助现代统计学和数学的方法，利用[计算机技术来进行交易的证券投资方式。量化交易从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，用数量模型验证及固化这些规律和策略，然后严格执行已固化的策略来指导投资，以求获得可以持续的、稳定且高于平均收益的超额回报。

量化投资模型只是一种工具、一种方法、一种手段，能实现成熟而有效的投资理念，需要不断根据投资理念的变化、市场状况的变化而进行修正、改善和优化，换而言之，有效的模型建立在适应市场环境的有效

2021年7月8日Meetup模板：

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

\

量化投资策略是利用数学模型和算法来分析市场并做出投资决策的方法。这些策略可以大致分为几个类型，每种类型都有其特点、适用人群和适用场景。以下是一些主要的量化投资策略类型：

1. 趋势跟踪策略
   • 特点：识别并跟随市场趋势，比如股票或商品的价格走势。
   • 适用人群：适合那些相信市场趋势会持续一段时间的投资者。
   • 适用场景：在市场趋势明显且稳定的情况下效果最佳，如牛市或熊市。
2. AI量化机器学习策略
   • 特点：利用机器学习算法来分析大量数据并预测市场走势。
   • 适用人群：对人工智能和机器学习

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

新版数据平台

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

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

摘要

高频交易同传统买入持有策略的相关性较低，起到分散风险的作用。高频交易策略作为量化投资策略的一个重要分支，是基于对交易品种的日内短期判断形成的交易策略，通过每次交易的微小盈利进行累积来获取收益。高频交易和传统买入持有策略的低相关性，对传统买入持有策略形成有益补充和分散风险

高频交易策略较其他量化策略可靠性更胜一筹。高频交易策略其理论基础同其他量化交易策略是完全一致的，即为概率统计中的大数定律。从统计学的意义上讲，大数定律要求的样本的基本条件是独立同分布，也就是说如果我们在实验过程中，样本分布的同质性越强，大数定律能够实现的可能性越大。而高频交易相对量化选股而言，其样本的噪音数据

问题

选择了因子后,

比如: ‘pe_ttm_0’, # 市盈率TTM, 那么最后的结果是AI自动调优? 是从大到小还是从小到大? 亦或是给予选择的因子以不同的权重?

‘st_status_0’, 0指的是排除ST么?

‘rank_market_cap_float_0’, # 流通市值排名 排名是从大到小, 还是从小到大?还是按照排名的表现状况进行选择？

核心观点

量化投资既要正视当前的策略困境，又要顺应资管行业变革潮流，向主动量化进一步拓展是大势所趋。本文从2018年以来的因子表现入手分析市场的主要矛盾，并结合当前市场已经历深幅下跌、估值处于历史低位的特点给出相关的策略配置建议，最后通过对策略相关性的考察提示配置中要注意的问题。

多因子策略未来收益空间承压可能性仍较大。

（1）当前去杠杆、严监管、挤泡沫的政策基调不变，技术类因子仍难以有较好表现。

（2）2017年之后盈利能力因子的靓丽表现主要源于企业盈利改善的预期，以及在该预期之下机构投资者对白马龙头股的抱团行为。随着对未来经济下滑担忧的加剧，特别是2018年三季度部分

摘要

在开发量化投资策略时，海外优秀论文往往能够提供新的思路和方法，为了能够让各位投资者更有效率地吸收海外的经验，东兴金工团队推出海外文献速览系列报告。我们将定期从海外文献中筛选思路较为新颖且有潜力应用于国内市场投资的文章，以速览的形式呈现给各位投资者，内容涵盖贵产配置、量化选股、基金评价以及衍生品投资等多个方面。

正文

[/wiki/static/upload/70/70b486a1-1ada-4878-9e19-d929f01a6b73.pdf](/wiki/static/upload/70/70b486a1-1ada-4878-9e19-d929f01a6b73.pdf

报告摘要

对于国内量化投资者来说，2017年以来的市场特征似乎发生了颠覆性的变化，传统有效的因子大面积失效。本文从行业和大小盘风格两条主线，抽丝剥茧，分析和梳理市场特征的变化及其背后的逻辑，并在此基础上重构A股量化分析框架。

行业相对表现的归因分析——行业属性的解释力仅约一半

通过逐步回归模型，从Beta系数（弹性）、大小盘风格、周期性强弱和行业业绩四个维度对行业相对收益进行归因分析。结果表明，行业基本面属性与市场风格对行业相对收益的解释力度旗鼓相当。

大小盘风格的成因探索——壳价值驱动的微型股起决定作用

A股小盘股效应异常明显，行为金融学中的风险溢价理论很难解释

寻找行业业绩领先指标的意义

行业指数的相对表现与其盈利周期有较强的同步性，但常用的财务报表指标公布时间严重滞后，挖掘更具领先意义的业绩指标对行业配置具有重要意义。 本报告挖掘周期各类行业业绩领先指标，能够在月频上把握业绩变化，对于某段时间内指标跟行业的相对走势持续背离的情况应该尤其注意。

领先指标的有效性检验

业绩领先性主要指相对于财报指标的领先，重点关注领先指标与财报业绩的相关性和时间上的领先期数。 由于回溯区间为2006年至今时间过长，整体上简单计算业绩指标与行业业绩的相关系数会导致统计数值较小，所以采取分段计算短周期内的相关系数再生成相关度指标的方法来度量相关程度和