本文14323字,阅读约28分钟
导语:本文旨在用精炼的语言阐述实操层面的机器学习量化应用方法,包括给出实践中一些常见、实际问题的处理方案,并结合了量化应用实例。读完后大家可以在本平台进行实践检验。
1.人工智能量化投资概述
2.人工智能技术简介
3.机器学习在量化投资中应用的具体方法解析
AI相对于传统量化投资的优势 传统的量化投资策略是通过建立各种数学模型,在各种金融数据中试图找出市场的规律并加以利用,力所能及的模式或许可以接近某一个局部的最优,而真正的全局“最优解”或许在我们的经验认知之外。如同不需要借助人类经验的Alpha Zero,不仅
更新时间:2024-12-05 02:26
量化交易利用数学和统计学方法来分析市场并执行交易的过程,是现代金融的一个重要组成部分。量化模型的目的是通过算法自动识别并利用市场中的规律和机会,用以获取更多收益。
量化交易模型的一般由以下几个部分组成:
1 数据处理模型: 量化交易的基石是数据。这包括了从历史价格、成交量到公司财报、宏观经济指标等各类数据。对这些数据的收集、清洗和处理是构建有效模型的首要步骤。**[BigQuant策略编写平台](ht
更新时间:2024-12-05 02:12
该策略为期货多空对冲策略,做多的同时也做空,赚取Alpha对冲收益,信号由算法产生。
商品期货合约
将股票市场的成熟算法StockRanker应用在期货市场,根据StockRanker算法预测未来1小时商品期货的涨跌,做多涨幅排序第1的期货品种,做空涨幅排序倒数第1的期货品种。
1分钟K线
输入特征模块,利用表达式构造特征,过滤条件来筛选期货。因为加工的是分钟频因子,因此读取分钟表。注意,m1和m2都是输入特征模块,都需要读取cn_future_bar1m的数据。
![](/wiki/api/at
更新时间:2024-08-22 03:07
\
更新时间:2024-06-12 06:06
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
更新时间:2024-06-12 06:00
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:2024-06-12 05:51
1989年发表的论文《The Fundamental Law of Active Management》及其随后的相关论文揭示了寻求主动投资的alpha
收益的数量化关系,这为主动组合投资管理带来一套令人信服的分析框架,这个数量化关系很好揭示了数量化技术(量化投资)可以如何或者应该如何切入投资管理领域。
和被动组合管理(passive porfolio management)相比,主动组合管理(active porfolio management)更显投资水平的能力,或者说运气。被动投资力求完全复制相应的基准成分股及其权重,所以每当某指数做成分股的调整时,新入选的股票
更新时间:2024-06-12 02:56
人工智能(AI)技术得到了飞速发展,其在各个领域的运用也不断取得成果。机器学习被评为人工智能中最能体现人类智慧的技术,因此开发AI量化策略可以理解为将机器学习应用在量化投资领域。
机器学习算法太多,本文讨论只针对适用于金融数据预测的常用有监督型机器学习(Supervised Machine Learning)算法:StockRanker。假设我们要去预测某个连续变量$ Y$未来的取值,并找到了影响变量$ Y$取值的$K$ 个变量,这些变量也称为特征变量(Feature Variable)。机器学习 即是要找到一个拟合函数$f(X_1,X_2,\ldots,X_K|
更新时间:2024-06-11 03:20
\
更新时间:2024-06-07 10:55
\
更新时间:2024-06-07 10:55
https://www.bilibili.com/video/BV1Jd4y1g7Gi/?vd_source=ecd29bbd04cbefdfa426167c55241973&t=1.3
\
详见上述链接
更新时间:2024-06-07 10:55
更新时间:2024-06-07 10:55
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
更新时间:2024-06-07 10:55
本文为旧版实现,仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
预计算因子表[数据平台] https://bigquant.com/data/datasources/cn_stock_prefactors
https://bigquant.com/wiki/doc/dai-PLSbc1SbZX
[http
更新时间:2024-06-07 10:55
国泰君安alpha191中的count、regbeta、regresi三个函数怎么定义?
https://www.bilibili.com/video/BV1ov4y1Z7Yg?p=2&share_source=copy_web
\
# 国泰君安 Count(a, n),过去5天close_0 > close_1 的天数
conditions = where(close_0
更新时间:2024-06-07 10:55
本文为旧版实现,仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
https://bigquant.com/experimentshare/c13d6baefe5d4c75bb87eea9364b0f75
\
更新时间:2024-06-07 10:55
本文为旧版实现,仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
预计算因子表[数据平台] https://bigquant.com/data/datasources/cn_stock_prefactors
https://bigquant.com/wiki/doc/dai-PLSbc1SbZX
[http
更新时间:2024-06-07 10:55
如何利用60分钟K线来合成120分钟K线呢?
https://www.bilibili.com/video/BV1d54y1d7tv/
https://bigquant.com/experimentshare/4e081ef44d3246f48551c6eee74f629d
\
更新时间:2024-06-07 10:55
https://www.bilibili.com/video/BV1p14y1K7mp/
![{w:90}{w:100}{w:100}](/wiki/api/attachments.redirect?id=c07884e1-08b3-4073-9bf2-9ebca5efc0
更新时间:2024-06-07 10:55
35th Meetup提到的情绪周期中最高板数,涨停家数,跌停家数,昨日涨停今日表现(赚钱效应)等具体代码的编写。
\
https://www.bilibili.com/video/BV1nT4y1q7Ut/
[https://bigquant.com/experimentshare/224aa4076333436ea5a570694376631a](https://bigquant.com/experimentshare/224aa40763334
更新时间:2024-06-07 10:55
更新时间:2024-06-07 10:55
更新时间:2024-06-07 10:55
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
更新时间:2024-06-07 10:55
如何获取策略模拟资金曲线信息 ,再反向输出集成策略?
https://www.bilibili.com/video/BV1wR4y1C7ZT/?vd_source=ecd29bbd04cbefdfa426167c55241973
[https://bigquant.com/experimentshare/b8a38c78cb844ac3bc3821e42497ff5
更新时间:2024-06-07 10:55
2020年我们开展了近半年的Meetup,共11场Meetup活动,90个问题,7场专题,持续地为大家服务和提供新鲜的灵感。2021年,Me
更新时间:2024-06-07 10:55