算法交易

最好更细粒度的， 比如分钟级别。

好像没找到。 求例子。

https://bigquant.com/codeshare/108f8f5f-14e7-4a73-ba80-d9daa1f4f87d

\

一直有类似的错误，应该是该模块的代码有一些问题，需要查看一下

具体怎么调用这些因子

研报：

{{membership}}

LLT低延迟趋势线择时交易模型研究

https://bigquant.com/codeshare/38ef8568-518b-4756-98f0-8dd8722d01e5

LLT低延迟趋势线择时交易

[https://bigquant.com/codeshare/942d320a-c17f-4061-9e56-d24e3a0ac472](https://bigquant.com/

222

作者：james_1

前言

虫神已经对DeepAlpha进行比较详细的实验：DeepAlpha实践报告。

在这里我分享下DeepAlpha-DNN和CNN的对比：

DNN操作简单, 对算力要求高, 容易得到比较稳定且一致的结果。可能是我对DNN不熟悉, 对我来说, 效果相比传统的机器学习, 提升不是很大，比较难以改进。

小股票池实验

DNN实验结果

逻辑：每日买5股, 次日卖出, 总共持仓10股

为了节省算力, 我把模型进行了一些缩减，如下所示

• BigQuant使用案例
• 最佳使用方式

\

\

思考了很久从哪里讲量化交易，决定还是从人生中的第一本量化书籍开始，本专栏的目的也是把记录自己的读书过程，把书越读越薄！第一次读这本书的时候，已经是5年前了，作为量化实验室的新丁，被要求阅读的就是这本书，并且实现书中的交易策略，了解到了很多很多基础的概念，书中的代码多数已经不能用，所用的语言也是matlab，这次写系列读书笔记，我将使用PYTHON语言（现在用的比较多），这里并不是说matlab过时了，我到现在依旧认为在矩阵处理及可视化上matlab仍然具有绝对优势。周围很多策略开发者仍然在使用matlab!

Quantitative Trading是E.P CHAN的第一本书，在外网有响

\

导语：本周为大家推荐五项国外有关深度学习和机器学习的实践性研究。希望能帮助大家更好地获取信息、学习知识。BigQuant拥有海量的数据和主流开源AI框架，附能每一位爱好机器学习/深度学习和量化交易的人。

• 《Neural networks for algorithmic trading. Multimodal and multitask deep learning》

关键词：神经网络、机器学习

本文介绍了如何训练神经网络的方法，这绝不是直接训练一

故不积跬步，无以至千里；不积小流，无以成江海。--《荀子·劝学篇》

1.机器学习用于选股，对财务数据的特征学习，居然还是小市值NB....

2.机器学习，海量数据预测股票的未来趋势，+Model的研究

3.机器学习之神经网络入门

4.[随

这篇文章主要记录了南土投资周静学姐来给我校金融专硕项目做的一次分享会。结合学姐所说和自己在工作实践中积累的经验，粗浅地谈一谈对量化投资的认识。

周静学姐是北大的高材生，在海外获得博士学位之后加入了blackrock公司工作。现在回国创立了南土资产，追求绝对收益和人才发展。有的员工已经在公司得到了快速的成长并创办了自己的私募基金。

学姐首先为我们介绍，量化投资其实是从idea到模型，从模型到检验再到实证的过程。

很多人认为量化投资是只注重统计规律而不注重市场规律，认为量化投资只是一个黑箱，只需要把杂乱无章的数据扔进复杂的模型中计算就可以得到稳定的信号，但这样做的结果往往是garbage i

这是一篇简单探讨高频时间尺度的相关性结构的paper。

![](/community/uploads/default/original/3X/6/9/69f10a5b74c09f78e4a141b864313500f

作者：用Python的交易员原创文章，转载请注明出处

本篇比较简单，只有下面一张图，但是精华尽在其中，有问题欢迎留言。


补充一下，避免误会：针对LTS接口，目前只有存量客户可以用（

今天编辑部带来关于在基于金融时间序列的预测模型案例，我们将通过神经网络来增强一个经典的移动平均策略，并表明它真的是有所改善相对原策略。

基于技术分析的投资策略

但这种交易策略有一个主要的缺陷：在震荡行情中，策略没有过多的触及信号并交易，这样我们也很难赚到钱。 ![image|690x376](/community/uploads/default/original/3X

首发于我的博客 The North。

GitHub 里老早之前就 Star 了 felixglow/Stock 这个项目，原作者 felixglow。昨天晚上又想起这个来，于是今儿早上就拿出来看——我对其中相当多的部分都不熟悉，有些还是第一次了解。在这里将我的理解记录下来，其中的错谬之处，还望各位大神指正。

实现效果

![](/community/uploads/defau

关于python的优势就不说再多了，地球人都知道，还不知道的去面壁思过。因为不想当韭菜，所以还是自己老老实实写代码吧。

记录些常用的内容，以便自己回头复习。

常用的函数有：

• numpy 处理向量矩阵

• scipy 数据统计优化处理

• pandas 金融数据分析

• matplotlib 画图

• tushare 财经数据

• Zipline 回测平台

• TaLib 技术指标

• BigQuant 人工智能量化投资平台

——介绍

Numpy

Numpy是Python的一个科学计算的库，提供了矩阵运

人工智能是最近很火热的话题，有的人似乎有幻觉，未来人类所有问题都可以交给电脑来处理。未来是否如此难以预知。但是在作出预测之前，我们有必要了解究竟什么是人工智能。

机器如何有人的智能呢？方法就是机器学习。机器学习不是一个新概念，很早之前就诞生了决策树、SVM、神经网络等方法。战胜了柯洁的AlphaGo和战胜了AlphaGo的AlphaZero都是神经网络算法中的深度学习。深度学习最早提出来之后，并没有对人工智能产生很显著的推进，因为它依赖于大量样本和大量计算。但随着互联网时代数据的大量产生、大量积累，深度学习重获新生。

神经网络不是万金油，它也只是解决某些问题的一种方法。什么时候我们需要它呢

论文笔记（三）NIPSI：value iteration Networks

arxiv:https://arxiv.org/pdf/1602.02867.pdfGitHub：[https://github.com/onlytailei/Value-Iteration-Networks-PyTorch](https://link.zhihu.com/?target=https%3A//github.com/onlytailei/Value-

\

程序化交易：program trading

很简单的字面意思，意味着你利用程序(program)进行交易。具体的交易时机，交易仓位，止损止盈获利标准可能包含在程序本身，也可能独立于程序之外，程序本身只是执行的方式。与程序交易对应的是人工交易。一般利用程序交易有几大优势，比如说较快的速度，脱离了人为情绪的影响，执行力有保证等等。同时也应注意交易程序和交易系统的区别。交易系统是一个完整的系统，具体执行的程序可能只是其中的一部分。一个良好的交易系统应该还有风险控制，资金利用，仓位管理等方面的内容，而不仅仅是买卖信号的产生。

算法交易：algorithm trading

背景

近期对于量化争议颇多，无论市场涨跌量化都会被拉出来分析一番，量化是否对影响到了市场的变化？大众理解的量化和实际的量化是否一致？刚好看到幻方的量化18问，分享出来与大家共赏。以下转至幻方量化公众号：

量化投资只是一个统称，实际上有千千万万种，各不相同。由于每个参与者的观察样本都有局限性，很容易盲人摸象，以偏概全(本文也不例外)。但本文还是试图对A股量化投资的一些基本的问题作出解释。

什么是量化投资

量化投资是指用数学/统计/人工智能等方法取代人工决策，在二级市场进行投资。一般情况下，市场研究、基本面分析、选股、择时、下单等都可以由计算机自动完成。

量化投资的原理