什么是ATR

ATR又称 Average true range平均真实波动范围，简称ATR指标，是由J.Welles Wilder 发明的，ATR指标主要是用来衡量市场波动的强烈度，即为了显示市场变化率的指标。

首先提出的，这一指标主要用来衡量价格的波动。因此，这一技术指标并不能直接反映价

指标用法

考夫曼自适应均线指标的用法具体就是：当股价一直都在线下运行时，突然有一根阳线上穿指标线，这个时候就是一个比较好的进场点，如下图所示。

![{w:100}](/wiki/api/attachments.redirect?id=c9750cee-d1fd-40c8-9f33-3b7

导语

本文通过StockRanker算法在单因子上进行了批量回测试验，尝试在沪深300样本股范围内中寻找具有获取超额收益潜力的因子，以实现较好的的相对收益。结果表明，通过批量测试能够快速因子筛选，同时指导新策略的开发。

背景介绍：因子分析是对冲基金常用工具之一，用来分析研究收益率均值和因子

本文章翻译自MSCI研报《MSCI INTEGRATED FACTOR CROWDING MODEL》下附PDF英文原文

作者：George Bonne, Leon Roisenberg, Roman Kouzmenko, Peter Zangari

时间：2018年6月

摘要

导语

特征选择在许多方面都是适用的:它是对抗维度灾难的最佳武器；它可以减少整体训练时间；它也可以有效防止过拟合现象，提高模型的泛化能力。

如果要对动物进行分类，你可以很快的发现许多相关的属性或特征对模型毫无益处。例如，绝大多数动物都恰好拥有1颗心脏，从机器学习的角度来看， **心脏个数这一

导语

近年来，国内量化投资迎来了发展的黄金期，但涉及机器学习的量化投资还比较少。机器学习领域的大神Andrew Ng(吴恩达)老师曾经说过机器学习很大程度上就是特征工程，因此本文主要介绍下特征工程在量化投资领域的应用。

特征工程是什么？

有这么一句话在业界广泛流传： *

运用风险平价策略投资

风险平价策略的产生及概念

产生：雏形是Bridgewater的“全天候”，要建立一个在任何经济环境下都能表现不错的资产组合；但风险平价这一概念出现较晚，产生于2006年；2008年以前，风险平价策略还主要集中在股票、债券、大宗商品等传统的资产类别，仅有少数人利

导语

本文是基于StackAbuse的一篇讲解Seaborn的文章 上编写。 附示例及实现代码，可直接前往文末 **一键克隆代

AI可视化的因子特征数据清洗

清洗流程

大部分的金工报告中第一步都是提取因子数据，随后就是对这些因子特征数据的清洗。以华泰证券的金工报告为例，数据清洗的标准流程大概包括：

• 缺失值处理（删除或者用行业均值填充）
• 因子异常值处理（固定比例法、均值标准差法、MAD法）
• 行业市值中性

策略案例

[https://bigquant.com/experimentshare/a4487be0f1a9468faadee1be471b7d26](https://bigquant.com/experimentshare/a4487be0f1a9468faadee1be471b7d

策略案例

[https://bigquant.com/experimentshare/1a614899a9484f9e8d7f9a58dac50385](https://bigquant.com/experimentshare/1a614899a9484f9e8d7f9a58dac503

有些平台朋友在研究深度学习模型时，可能想要知道模型的结构以及中间层的结果。可以参考下面的例子：

策略案例

[https://bigquant.com/experimentshare/32799fded7e84806b818377adef96afb](https://bigquant.com

PCA方法简介

这个方法使用股票的历史量价数据，在N个股票的横截面上向前追溯M天。在原始的Avellaneda的论文中，他假设所有的横截面都是完全一致的，然而在实践中，这个假设是不靠谱的，比如沪深300的成分股会随着时间的变化而变化。

我们定义股票在任意给定的时间点上t0，往前追溯M+1天

导语

美林投资时钟其主要原理是根据经济增长和通货膨胀趋势，将经济周期划分为4 个阶段：复苏、过热、滞涨、衰退。复苏周期配置股票，过热周期配置大宗商品，滞涨周期持有现金，衰退周期配置债券。 国信金工在《海外量化技术本土化系列报告之十一：美林投资时钟A 股市场探讨》中分析了美林投资时钟直接用于A

导语

本文旨在普及机器学习的使用，对于文章涉及到的模型策略不具有实盘参考意义。

Boosted Trees

XGBoost 是 “Extreme Gradient Boosting”的简称，其中“Gradient Boosting”来源于附录1.Friedman的这篇论文。本文基于

利用深度学习技术预测股票价格

[https://bigquant.com/experimentshare/e5f507b16e4f4461ac07da23c9693c02](https://bigquant.com/experimentshare/e5f507b16e4f4461ac07da23c

导语

在上一篇文章中，大家对新建一个AI可视化模板策略有了初步的认识，但看到策略中众多的模块与看似复杂的连线心中不免存在疑惑，没关系，本篇文章中，我们就来为大家完整介绍一个AI量化策略的组成结构以及涉及的基本概念，希望可以帮助大家对AI量化策略建立一个全面初步的认识。

基

导语

在阅读了 深度学习的简要介绍后，本文将介绍深度学习DNN模型及其在量化投资领域中的应用。

深度学习在量化领域的应用

机器学习作为人工智能的核心，其传统算法在解决很多问题上都表现出了高效性。随着近些年数据处理技术上的进步和计算能

导语

本文分享了一个简单的基于双均线的基金策略，主要是使用平台的回测引擎做一个基金的回测，给大家分享一些关于基金回测的tips。

策略基本思路

策略思想是：当短期均线上穿长期均线时，形成金叉，此时买入基金。当短期均线下穿长期均线时，形成死叉，此时卖出基金。研究表明，双均线系统虽然简

导语

本文主要分享一个基于Deep Q Network的对于个股的择时策略

算法简介

DQN与Q-Learning

本文主要使用的是Deep Q Network。DQN是强化学习的一种方法，结合了Q-learning和深度学习神经网络。

Q-learning是用一张表来

导语

机器学习里面究竟有多少经典的算法呢？本文简要介绍一下机器学习中的常用算法。这部分介绍的重点是这些方法内涵的思想，数学与实践细节不会在这讨论。

回归算法

在大部分机器学习课程中，回归算法都是介绍的第一个算法。原因有两个：一.回归算法比较简单，介绍它可以让人平滑地从统计学迁移到机

简单来讲，量化投资就是利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程。

量化交易 是指借助现代统计学和数学的方法，利用[计算机技术来进行交易的证券投资方式。量化交易从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，用数量模型验证及固化这些规

学习量化也有一段时间了，BigQuant平台与知乎可以说是我的主要学习战场了，一直在跟着BigQuant学院那个《AI量化训练营》学习，再从从知乎中寻找优秀文章进行补充，最终在平台进行实践，我觉的这样效率很高，我整理了知乎量化交易话题，及程序化交易、宽客、多因子模型等子话题中的精华帖，筛选了高赞的文

商品期货多因子模型探索

Jesse et al. (2016)发现，可以用三因子模型（Carry也就是展期收益率，MKT也就是所有期货品种的平均收益率，TSMOM也就是时间序列动量）解释商品期货的现货溢价和期货溢价，用三因子模型作为衡量商品基金的基准，就好比是用Fama-French三因素