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。

Learning a Vector Representation of Time

/wiki/static/upload/c9/c94fbe09-58ac-483f-8d29-ba184e00cfb3.pdf

\

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:

![{w:100}{w:100}](https://mmbiz.qpic.cn/mmbiz_png/7gro3mu9ykFMbyA7gTRa5uzNB

更新时间:2022-08-31 08:58

机器学习时代,随机过程的数学知识还重要吗?

摘要

这是最近在Quora上的一个提问:

Is stochastic math and Brownian motion still important to quantitative hedge funds? Is it all about AI and machine learning now?

机器学习算法大流行的时代,传统的量化金融理论,如随机过程、布朗运动等在量化对冲基金还重要吗?这本质上还是Q-Quant与P-Quant发展的问题。在这个问题下面,很多网友给出了很精彩的回答。

正文

▌Aaron Brown

很多量化投资策略都是基于非常简单的数学。复杂的工具往

更新时间:2022-08-31 08:47

解决规模效应的问题

摘要

文献来源:Blitz, David. Hanauer, Matthias. Settling the Size Matter: The Journal of Portfolio Management Quantitative Special Issue 2021, 47 (2) 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_

正文

/wiki/static/upload/25/259b1aaa-df16-4ed2-abd6-8ad67bba7fb7.pdf

\

更新时间:2022-08-31 08:06

机器学习发展历程与量化投资的展望 20220805-东北证券

摘要

1.1.人工智能正当时1956年,人工智能(ArtificialIntelligence,AI)的概念在计算机达特茅斯会议上被提出。AI赋予机器像人一样思考,并做出反应的能力。它的本质是通过研究人类活动的规律,构造具有一定智能的人工系统来模拟人类的某些思维过程和智能行为,去完成以往需要人的智力才能胜任的工作。

如今,大数据、GPU和复杂算法的出现与进步,大大加速了人工智能的发展。2016年,由DeepMind开发的AlphaGo以4:1战胜了韩国棋手李世石,让人工智能备受关注,掀起了人工智能的浪潮。这一新兴学科凭借其广阔的发展前景吸引了众多研究者,目前已经在计算机视觉、自然语

更新时间:2022-08-31 07:02

监督学习的方法介绍及金融领域应用实例-长江证券-20170727

摘要

机器学习系列报告

本系列报告试图系统全面性的介绍各种不同的机器学习方法,并且结合具体的在投资研究领域应用实例、交易策略及code示例,说明其应用情景和实现方法。机器学习的方法可以分为以下几类:监督学习、无监督学习、深度学习及其他机器学习方法(例如强化学习),对应到具体的模型上数量则更是繁多,目前大部分机器学习模型并未广泛的应用在投研领域,因此本系列主要偏重于在投研领域有应用潜力的模型及方法。此篇将以介绍监督学习方法为主

监督学习模型之回归类模型及其应用

与普通线性回归不同,监督学习中的惩罚回归模型和非参数回归,可以分别用于处理输入变量中存在大量线性相关性关系

更新时间:2022-08-31 01:52

因子跟踪(周/月报)


\

更新时间:2022-08-31 01:47

机器学习与量化投资:综述与反思,扬帆正当时-安信证券-20180207

摘要

机器学习和人工智能在量化投资的应用有很长的历史

机器学习在九十年代初的热潮中已经被大量运用于量化投资中。尽管受限于当时的计算能力和算法,但是由于在算法交易和CTA等领域中机器学习提供了一些更好的解决方案,机器学习在这些领域的应用一直延续到今天

机器学习在量化投资中应用的九个思考

本报告是系列报告的第一篇,简略介绍了机器学习运用到二级市场投资过程中的一些常见问题。这些问题覆盖了策略研发常见错误,策略归因,策略失效判断,机器学习平台的建立,交易系统和机器学习平台的对接以及机器学习对冲基金的团队架构。后续系列报告将会详细围绕这些问题展开

**适当使用下的机器学习

更新时间:2022-08-30 09:00

商品期货量化趋势策略信号2022年08月29日

正文

/wiki/static/upload/cc/ccdb74be-b863-4da3-8f49-1f6faa26c18e.pdf

\

更新时间:2022-08-29 04:43

基本面量化


\

更新时间:2022-08-25 02:16

量化选股


\

更新时间:2022-08-25 02:16

如何构建Halpha、wgt_return_Nm等动量因子

问题

{w:100}{w:100}新手小白还在各种摸索学习中,恳求各位大佬不吝赐教

  • 上面给的代码中的有些参数是怎么获取的呢,有没有详细的代码实现呢
  • 而且有的参数是不是没写准确,感觉跟描述有些冲突
  • 在可视化策略中是不是要自定义一个python模块来构建这几个因子,有没有其他方式呢

\

策略源码

[https://bigquant.com/experimentshare/97a272de1cf5488e9d2f647

更新时间:2022-08-13 10:02

股票及量化投资书籍分享

「股票及量化投资书籍分享」https://www.aliyundrive.com/s/4kajoeM7ock 点击链接保存,或者复制本段内容,打开「阿里云盘」APP 下载。

更新时间:2022-07-31 10:31

自研交易系统

{w:100}

{w:100}

更新时间:2022-07-30 03:48

揭开雪球期权的博弈局 凌瓴&无鱼 2022/05

摘要

雪球的投资本质

①投资人与券商充当的角色

{w:100}{w:100}{w:100}

②投资人与券商是否对立

这是投顾经常被问到的问题。销售机构在推荐雪球产品时,必定会讲到交易对手方是券商,一些投资人会简单理解自己在和券商做博弈。我自己在第一次接触雪球时也有这样的误解:如果雪球产品跌破敲入价格,保本保息机制就消失了,所以作为对手方的券商特别有动力想股票下跌,这样就不用支付利息了。路演里刘博士很清晰的描述了券商与投资

更新时间:2022-07-29 03:49

揭开“算法交易”的神秘面纱

伴随着国内量化私募管理规模不断创出新高,量化交易中经常提及的算法交易工具逐渐被投资者熟知和青睐,市场上也涌现出了一大批优秀的算法交易服务商。

但与国外欧美市场算法交易份额80%-90%相比,国内算法交易发展方兴未艾,未来会有越来越多的专业投资者通过算法交易工具武装自己!

算法交易又称为黑盒交易,是指凭借IT技术的发展,利用算法完成订单拆分、挂单和撤单等交易环节,提供以成交为目的的自动化交易执行。其主要目标是保证执行效率、降低冲击成本、减少人力成本、保护交易意图、捕捉交易机会。

算法交易优势主要体现在三个方面:1.有效降低交易冲击成本;2.大幅提高交易执行效率;3.避免与竞争对手正面“交战

更新时间:2022-07-15 02:51

国泰君安alpha191中的count、regbeta、regresi三个函数

问题

国泰君安alpha191中的count、regbeta、regresi三个函数怎么定义?

视频

https://www.bilibili.com/video/BV1ov4y1Z7Yg?p=2&share_source=copy_web

\

策略源码

# 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:2022-06-08 02:40

计算股价高低位的方法

问题

有什么方法或因子可以描述股价在高位或低位?

视频

https://www.bilibili.com/video/BV1ov4y1Z7Yg?share_source=copy_web

策略源码


[https://bigquant.com/experimentshare/9fa4d332095143b598308c57de203788](https://bigquant.com/experimentshare/9fa4d33

更新时间:2022-06-08 02:32

高频回测模块择时策略

问题

高频回测模块择时策略

\

视频

https://www.bilibili.com/video/BV1S44y1y7dc?p=2&share_source=copy_web

策略源码

8月19日Meetup策略模板:

[https://bigquant.com/experimentshare/a6bae485ffcc47819510b788ddfad338](https://bigquant.com/experime

更新时间:2022-06-07 07:06

2021-AI量化Meetup导览

{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}导语

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:2022-06-06 08:51

日线策略信号进行日内择时

20210624 Meetup 策略案例

https://bigquant.com/experimentshare/f235e9ce26dc42b9ae9fb57ca6574bf1

\

更新时间:2022-06-01 05:46

AI量化大赛获奖策略分享《龙头战法实盘-中证150增强》

视频

https://www.bilibili.com/video/BV11S4y197md?share_source=copy_web

策略源码

龙头战法实盘+AI-量化大赛NO.3-中证150增强[策略分享]

更新时间:2022-05-31 08:29

分页第1页第2页第3页第4页第5页第11页