算法交易
算法交易是金融领域的技术革新，它利用高级数学模型和复杂算法来快速、准确地分析和解读市场动态，以制定并执行交易策略。这些算法能够在毫秒级别内对市场数据做出反应，远超人脑的处理速度。算法交易为金融行业提供了一个精细控制风险的途径。包括定点交易、套利交易和趋势跟踪等多元化策略的应用，有效提高了交易的准确性和效率。其背后的智能化系统可24小时不间断地监控市场，捕捉交易机会，大大减轻了人工作业负担，同时，极大地提升了在多变金融市场中的适应能力和盈利能力。更重要的是，由于大部分决策基于预定规则和数据模型，算法交易显著降低了情绪化决策的风险。然而，也需注意到，过度依赖算法可能导致失去对市场直觉的把握，并且在极端市场情况下，算法可能失效，导致不可预见的风险。总体而言，算法交易以其快速、精准和高效的特性，逐渐成为现代金融市场的核心竞争力。
AI 选股策略bug
问题
解答
重启开发环境
更新时间：2022-12-20 14:20
模型
模型板块包含了AI算法模型，多因子模型等一些研究内容。
更新时间：2022-12-06 14:42
机器学习+择时+跟踪止损+技术分析
更新时间：2022-11-20 03:34
利用新的列表排序学习法构建多空组合
Constructing Long-Short Stock Portfolio with A New Listwise Learn-to-Rank Algorithm
作者：Xin Zhang, et al.
出处：Quantitative Finance, 2021-07
摘要：随着机器学习的快速发展，因子策略在行业中得到越来越广泛的应用。在算法中输入多因子可以进行横截面收益预测，并进一步用于构建多空组合。大量现有研究使用排序学习法来预测股票排名，基于此，作者提出了一个新的列表排序学习损失函数来进一步强调排名的头部和尾部。本文的损失函数基于多空策略，具有内在的移位不变性，是对ListM
更新时间：2022-11-20 03:34
用传统框架测试机器学习-GBDT算法
更新时间：2022-11-20 03:34
分享一个可视化深度学习建模的例子
更新时间：2022-11-20 03:34
如何修改HFTrade高频交易模块里的成交率限制volume_limit
问题
如何修改HFTrade高频交易模块里的成交率限制volume_limit
\
更新时间：2022-11-09 01:23
自定义运行支持多个模块的参数吗？
更新时间：2022-11-09 01:23
DeepAlpha-DNN应用实践报告
本集合里将分享平台开发者们对DeepAlpha系列的实践研究报告
\
更新时间：2022-11-08 08:26
优秀开发者分享
\
更新时间：2022-11-03 08:32
G-Research：ICML 2022论文推荐
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
更新时间：2022-10-11 02:31
文艺复兴-美国量化私募
交易策略揭秘
Renaissance Technologies文艺复兴科技公司交易策略揭秘记录！该短片中详细介绍了文艺复兴科技公司多年来如何开发各种交易策略，从早期的均值回归到利用内核方法等等。
https://www.bilibili.com/video/BV1ae4y1f7Em
\
更新时间：2022-10-10 12:50
Python for Quants - 用于量化投资的Python
参考 https://wesmckinney.com/book/ 编写 Python For Quants - 用于量化投资的Python
更新时间：2022-10-10 01:02
量化策略专题研究：行业趋势配置模型研究-中信证券-20200325
更新时间：2022-10-09 11:05
如何将通达信的信号拿来训练
我通达信里面有买入条件筛选，有买入条件筛选。请问如何讲这些条件放到bigquant呢？具体放在那里呢？
更新时间：2022-09-21 12:54
天梯上那些年化400+的策略也是使用stockranker吗？
\
更新时间：2022-09-18 13:23
高频日内研究
\
更新时间：2022-09-01 13:17
人工智能：揭秘微软AI量化研究 华泰证券-202201
摘要
揭秘微软亚研院 AI 量化投资研究，展望行业未来发展六大趋势
微软亚研院2017年以来共发表12篇AI量化投资学术研究，其中选股主题超过半数，其他涉及风险模型、算法交易、数据增强、时间序列预测、基础架构等话题。这些研究的突出特点是前沿和务实，具有较高参考价值。前沿是指使用的AI技术，大量运用近年来热门的图神经网络、注意力机制，并灵活应用最优传输、自步学习、知识蒸馏、解耦表征等工具；务实是指解决的具体问题，如“AI模型如何应对市场规律变化”，“如何引导模型学习罕见本”，“如何充分挖掘事件、舆情蕴藏的信息”等，这些都是业界实践中会遇到、接地气的问题。我们透过微软AI量化研究
更新时间：2022-08-31 09:47
Learning a Vector Representation of Time
更新时间：2022-08-31 09:37
机器学习能用于基金组合构建吗
摘要
文献来源：Demiguel V, Gil-Bazo J, Nogales F J, et al. Can Machine Learning Help to Select Portfolios of Mutual Funds?[J]. Social Science Electronic Publishing, 2021.
推荐原因：众所周知，事先确定未来表现优异的共同基金是一项困难的任务。本文基于大量投资者容易获得的基金特征数据，利用机器学习方法训练提升其预测能力。研究发现，利用1980年至2018年期间美国股票型基金的数据，基于机器学习方法构建的基金组合，经风险调整
更新时间：2022-08-31 09:22
使用机器学习法推理基金配置
摘要
文献来源：Byrd, David, Sourabh Bajaj, and Tucker Hybinette Balch. "Fund Asset Inference Using Machine Learning Methods: What’s in That Portfolio?." The Journal of Financial Data Science 1.3 (2019): 98-107.
推荐原因：
 99-112.
推荐原因：规模溢价自被发现已有近四十年，然而规模因子的alpha一直很微弱，但是当控制质量因子(quality-versus-junk)暴露时，因子似乎又恢复了活力。本文发现，在美国市场，规模因子对质量因子回归后呈现出非常显著的alpha，然而超额收益主要由质量因子的空头端驱动，
更新时间：2022-08-31 08:46
中国市场中怎样用机器学习来做股票投资
摘要
文献来源：Leippold, M., Wang, Q. & Zhou, W. (2021). Machine-Learning in the Chinese Stock Market. Journal of Financial Economics.
推荐原因：随着机器学习在金融和经济领域的应用迅速兴起，越来越多的学者利用机器学习工具研究股票的截面和时间序列预测。而中国股票市场历史较短，制度依然处于不断完善的阶段，有着自身的特殊性。本文根据中国市场的特征构建了一个全面的股票收益预测因子集，并利用几大流行的机器学习算法进行实证分析。经过CSPA条件预测能力检验，作者发现神经
更新时间：2022-08-31 08:45
量化研究：投资决策的起点 海通证券_20180716_
更新时间：2022-08-31 08:06