1958 年感知机的诞生以及1986 年反向传播算法的出现，为深度学习奠定了基础。

1989 年，卷积神经网络（CNN）首次被提出，共用卷积核的方式很大程度上减少了模型中需要被训练的参数，在图像识别等方面有更好表现。

2000 年，一类非常重要的循环神经网络（RNN），长短期记忆神经网络（LST

时间：2021年5月

作者：Raoul Khouri

[/wiki/static/upload/9c/9cc596f2-0684-45d5-95c7-c417f034b8eb.pdf](/wiki/static/upload/9c/9cc596f2-0684-45d5-95c7-c417f034

Learning the Dynamics of Technical Trading Strategies

作者：Murphy N. J., Gebbie T. J.

出处：Quantitative Finance, 2021-03

摘要：本文使用了一种基于对抗型专家的在线学习算法来学习，

策略案例

[https://bigquant.com/experimentshare/2d9488a9b36342898a1431052bc78d08](https://bigquant.com/experimentshare/2d9488a9b36342898a1431052bc78d0

策略案例

[https://bigquant.com/experimentshare/41ba8c41f99346a6872f3ecac3a50c80](https://bigquant.com/experimentshare/41ba8c41f99346a6872f3ecac3a50c8

策略案例

[https://bigquant.com/experimentshare/41ba8c41f99346a6872f3ecac3a50c80](https://bigquant.com/experimentshare/41ba8c41f99346a6872f3ecac3a50c8

导语

以下为平台优秀开发者持续分享的策略思路和源码，帮助每一位平台上的quant开拓思路，开发出超额收益越来越高的策略。

策略分享

提升实盘的仓位管理策略

[Stockranker评分的另类用法](/wiki/doc/

在BigQuant上做股票数据分析和可视化展示真是太方便了。只需要写两行代码，其他都是搭积木。

在交易中是否我们常常会想一个已经连续涨的股票（比如3天），继续上涨的概率大么？（好吧，这很散户思维，只考虑了一个维度）。除了看连续上涨的股票上涨概率，我们还需要用全市场股票上涨情况做为对比（不然就很业余

\

该策略源码可有偿提供，需要的朋友可留下联系方式

天梯链接：https://bigquant.com/live/shared/strategy?id=6123844

分享知识库出售源码，

https://bigquant.com/experimentshare/08b87fc91a054702b606bebd169ca317

\

策略案例

[https://bigquant.com/experimentshare/db77da51e66542a783b761bca71d9d4a](https://bigquant.com/experimentshare/db77da51e66542a783b761bca71d9d4a

策略案例

[https://bigquant.com/experimentshare/41ba8c41f99346a6872f3ecac3a50c80](https://bigquant.com/experimentshare/41ba8c41f99346a6872f3ecac3a50c8

策略案例

[https://bigquant.com/experimentshare/2d9488a9b36342898a1431052bc78d08](https://bigquant.com/experimentshare/2d9488a9b36342898a1431052bc78d0

首先解释一下标题： CNN：卷积神经网络（Convolutional Neural Network）, 在图像处理方面有出色表现，不是被川普怒怼的那个新闻网站； 股票涨跌：大家都懂的，呵呵； 股票图片：既然使用CNN，那么如果输入数据是股票某个周期的K线图片就太好

策略案例

[https://bigquant.com/experimentshare/db77da51e66542a783b761bca71d9d4a](https://bigquant.com/experimentshare/db77da51e66542a783b761bca71d9d4a

策略案例

[https://bigquant.com/experimentshare/db77da51e66542a783b761bca71d9d4a](https://bigquant.com/experimentshare/db77da51e66542a783b761bca71d9d4a

策略案例

[https://bigquant.com/experimentshare/2a00653732244481a8a60eabac272d5a](https://bigquant.com/experimentshare/2a00653732244481a8a60eabac272d5a

发现很少人研究抓龙头的策略，写了一个模型试试看。

感觉槽点是Label 龙头股的方法，考虑的比较天真，还需要继续改进 模型是GBT regression，Label是给龙头股打分 window内分数高的具有：涨幅高，回撤小，突破的时间早。 以此为idea 做label

还有个思路，是用概念板块的

作者：woshisilvio

AI量化策略的训练时间影响模型的结果，导致在调试的过程中拿不准该如何思考和选择训练时间，我们从以下三个方面探讨训练时间该如何选择？

训练时间对模型的影响

针对特定的一段回测时间作为验证集, 检验训练时间的变化是否让模型带来很大变化？

策略设

作者：陈奥（chenao1106)

导语

量化的目的之一是把通过对历史数据的规律研究，转化成投资决策。本次分享从具体的案例出发，如何快速把历史数据的经验，转化成自己的经验，进行投资交易决策。例如，2022年2月24日，大盘大跌，下跌股票数：3900+，上涨股票数600+，大跌行情下，如何操

作者：woshisilvio

AI量化策略的训练时间影响模型的结果，导致在调试的过程中拿不准该如何思考和选择训练时间，我们从以下三个方面探讨训练时间该如何选择？

训练时间对模型的影响

针对特定的一段回测时间作为验证集, 检验训练时间的变化是否让模型带来很大变化？

策略设

作者：woshisilvio

AI量化策略的训练时间影响模型的结果，导致在调试的过程中拿不准该如何思考和选择训练时间，我们从以下三个方面探讨训练时间该如何选择？

训练时间对模型的影响

针对特定的一段回测时间作为验证集, 检验训练时间的变化是否让模型带来很大变化？

策略设

作者:woshisilvio （全文共913字，阅读约需2分钟）

市场究竟有没有真正的alpha?

笔者一直疑惑的一点就是 我们的模型每天这样选股，赚钱的效应究竟是随机的，还是可控?

模型有没有真正的学到市场中的规律，挖掘到了alpha? 靠AI模型 来赚钱 究竟靠不靠谱？

对于

大型期货公司，速度快，通道稳定，欢迎各位投资者，手续费加一分，量大可返还。

软件平台+通道 :快期，文华，TB开拓者，MC达钱，易盛，飞创，ctp，ctp二席，ctp极速，ctp迷你，恒生VIP，飞马，盛立高频，广策高频，股票期权

可以对接自研量化平台

欢迎加V信沟通：1-3-6-5-1-3-