机器学习

机器学习在金融领域的应用日益广泛，为金融业务的智能化提供了强大动力。它运用算法和模型，自动从海量数据中学习和提取有用信息，无需人工进行复杂编程。在金融风控方面，机器学习技术可帮助银行、保险公司等机构更准确地识别欺诈行为，降低信贷风险。在投资策略上，通过对历史数据的深度学习，机器能预测市场走势，为投资者提供更精准的建议。同时，机器学习还能优化客户服务，例如通过聊天机器人提供24小时在线咨询，或根据客户行为数据提供个性化金融产品推荐。总的来说，机器学习不仅提升了金融业的效率和智能化水平，也在重塑我们的金融生态。

策略介绍

本策略基于 BigQuant 平台的 StockRanker 排序学习算法，通过机器学习方法预测股票在未来一段时间内的相对表现，并对股票进行横截面排序，从而构建可交易的股票组合。

StockRanker 是 BigQuant 自研的一种 Learning to Rank（排序学习）算法，专门用于量化选股场景。\n它通过在多维因子/特征数据上进行训练，学习股票在未来收益维度上的相对优劣关系。

模型输出的是一个相对评分（score）：

score 只用于 同一交易日的股票排序
score 的绝对大小本身不具有直接金融意义
score

更新时间：2026-01-20 08:21

华泰研报: XGboost实现有序回归

https://bigquant.com/codesharev2/cff38b96-bc86-42ef-8eec-24c93591eff0

更新时间：2026-01-20 05:46

保温杯策略回顾

保温杯策略是一种基于机器学习的风格因子动态配置方法，其设计思路源于对A股市场风格轮动特性的深刻洞察。该策略将Barra风险模型中的核心风格因子包括规模(Size)、价值(Value)、动量(Momentum)、波动率(Volatility)、质量(Quality)及成长(Growth)等维度作为XGBoost模型的输入特征，通过滚动训练机制捕捉市场风格的非线性转换规律，实现因子权重的动态优化。相较于传统静态因子加权方法，该策略具备三重优势：

非线性关系捕捉：XGBoost算法有效识别因子间复杂的交互效应，例如价值与动量因子在不同市场环境下的拮抗关系
动

更新时间：2026-01-19 06:00

RF小市值增强策略

一、随机森林（Random Forest）

集成学习方法（Ensemble Learning）是一种机器学习技术，旨在通过组合多个基本模型（弱学习器或基学习器）的预测来提高整体性能和泛化能力。集成学习的核心思想是，通过结合多个模型的意见和决策，可以减少单个模型的误差，并在各种不同情况下获得更稳健的结果。集成学习方法通常比单个模型更强大，适用于各种机器学习任务，包括分类、回归和聚类等。

随机森林属于集成学习的一种，通过集成学习的Bagging思想将多棵树集成的一种算法：它的基本单元就是决策树。随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数

更新时间：2026-01-08 09:43

lightgbm AI量化选股策略

https://bigquant.com/codesharev3/f2067f57-5788-4bae-b0f2-acd3f613c0ff

更新时间：2026-01-05 07:34

56th Meetup

小白学习

小白如何学习？出现错误提示后，有没有好的解决方案，有没有专门对接的群？

机器学习/深度学习

机器学习在量化中，怎样在过程中查看策略、理解机器学习的逻辑和修正？
目前股票策略中使用最广泛的机器学习和深度学习的模型有哪些？
机器学习或深度学习策略回撤过高，该结合什么风险控制或择时策略比较好？
如果使用深度学习或机器学习自动挖掘因子？
使用深度学习模型时，总觉得泛化性能很差。加上一些提升泛化能力的手段，比如正则、dropout等，好像没什么用。请问有没有什么较好的方法？

策略调优

如何判断策略失效以及失效后的处理

更新时间：2025-12-30 06:37

2021-AI量化Meetup导览

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：2025-12-30 06:37

如何使用超参搜索持仓天数

视频讲解

点此查看视频

策略源码

https://bigquant.com/codeshare/769aba37-1960-4fc6-bedc-1d7a8a4dee0a

更新时间：2025-12-30 06:37

2023-AI量化Meetup

更新时间：2025-12-30 06:37

机器学习/深度学习策略理解

视频讲解

可看视频听老师的详细讲解

机器学习逻辑理解

问：机器学习在量化中，怎样在过程中查看策略、理解机器学习的逻辑和修正？

答：

1）可解释性

2）如何减少过拟合

3）机器学习/深度学习课程

常见的机器学习/深度学习模型

目前

更新时间：2025-12-30 06:37

49th Meetup

Q1-@james:有什么另类的标注可以推荐下？

https://bigquant.com/wiki/doc/-0kcMgSnQXw

https://bigquant.com/wiki/doc/rengongzhineng-xilie-ershijiu-shouyi-linglei-biaoqian-zhengquan-fuben-xRMNFmmg00

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

更新时间：2025-12-30 06:37

如何构建高频的订单流与成交量分布因子

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

更新时间：2025-12-30 06:37

xgboost自定义目标和评估函数

https://bigquant.com/experimentshare/85eb463354e54a9695eddc0c570040e6

更新时间：2025-12-30 06:37

2020-AI量化Meetup导览

导语

BigQuant宽客学院伴随着平台的更新，学习和探讨的内容也日益增加。大家对机器学习、深度学习的策略研究越来越深入，新的想法也层出不穷，为了满足大家对探索的渴望，因此我们准备了定期的“BigQuant AI量化专家MeetUp”，本周四正式启动了！BigQuant学院院长、AI量化专家现身BigQuant B站直播间，在线交流、答疑，解决您在AI量化和BigQuant遇到的所有问题！