绝大多数的散户目前都是采用主观投资法，所以才会造成买了就跌，卖了就涨。因为主观投资容易被市场情绪所影响，会被自己的心魔所控制。

由于是主观投资，所以每次买卖过程中都充满了恐惧和贪婪，买了就怕跌下来，卖了又怕涨上去，持股过程一直处在焦虑之中。

量化投资由于是按照模型发出的信号来操作，无需参杂人的主观情绪和主观预测，所以操作起来要轻松得多。

量化投资是把数学、统计学、金融学、计算机AI技术结合起来，通过挖掘海量大数据，寻找规律，建立先进的投资模型以替代人为的主观判断。

量化投资可以发现和利用其他市场参与人的错误报价，从而抓住普通人看不到的投资机会，使投资效率大大提高。

量化投资在70年代

自我介绍

策略盈亏

在介绍自己之前，先看一下入坑一年写的一些策略吧，毕竟在这里策略的效果比名字有用。

![{w:60}](/wiki/api/attachments.redirect?id=6203646c-9158-4faa-b266-374923

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

摘要

文献来源：Chen, Mike, and George Mussalli. "An integrated approach to quantitativeESGinvesting." The Journal of Portfolio Management 46.3 (2020): 65-74.

推荐原因：ESG投资是投资界和学术界都非常关注的一个领域，但目前对ESG投资的定义，以及如何构建一个可以结合回报和可持续性两个维度的最佳投资组合尚未达成一致。本文对当前市场中的ESG投资进行了分类，并介绍了ESG投资框架。

![{w:100}{w:100}](https://

问题

如何获取策略模拟资金曲线信息 ，再反向输出集成策略？

视频

https://www.bilibili.com/video/BV1wR4y1C7ZT/?vd_source=ecd29bbd04cbefdfa426167c55241973

策略源码

[https://bigquant.com/experimentshare/b8a38c78cb844ac3bc3821e42497ff5

问题

股票池初选 老是报错 concept 求大佬解释

解答

参见此链接的答复

https://bigquant.com/wiki/doc/gupiao-wenti-RH6JMkfTP0

问题

长期看，量化投资行业性的超额收益是在逐步下降的，这是一个自然规律。未来随着去散户化进程的推进，无论是对量化投资还是对主观投资，这都会是一个挑战，大家分到的蛋糕会逐渐变小。

1. 有竞争者不断进入，随着市场机构化程度越来越高，最终情绪化的追涨杀跌式的投资者会逐渐退出，alpha的空间也就越来越小。

2. 超额收益逐渐下降的过程不仅是量化行业整体下降，也是整个主观投资整体下降的过程。市场上一些非常优秀的价值派基金经理在这个阶段有其价值，正是因为这个市场中真正做价值投资的人很少，所以价值投资在现阶段的中国市场才有alpha。

3. 马太效应，任何一个行业都会趋向头部化

问题

我在bigquant自学“第四期训练营”内容已有一月余，即使按照宽客学院的顺序文章配合初级与高阶视频，自学也非常困难，主要是感觉没有一个系统的、没有跳跃的、由浅入深的、针对非计算机专业的教程。

请问是否能把宽客学院内容再梳理一下，对非程序员再友好一些，当然若是有由浅入深的系统视频教程更好，或者解燃眉之急，先编一个循序渐进的含术语注释的自学目录。

我基本认定是没有合适教程造成的学习困难，本人自学能力没有问题(大学是学习委员)，股票的专业知识也没问题，有六年以上实践。Python和数据库的底子也有一点。不足之处是英语水平很差，英文资料读不了。

感觉在阅读学习文章时经常会碰到新术

视频讲解

https://www.bilibili.com/video/BV1BP4y1B7T4/?vd_source=ecd29bbd04cbefdfa426167c55241973

策略源码

[https://bigquant.com/experimentshare/3a546f5485cc47e2b8d7e065da9f4ece](https://bigquant.com/experimen

视频

https://www.bilibili.com/video/BV1p14y1K7mp/

介绍

![{w:90}{w:100}{w:100}](/wiki/api/attachments.redirect?id=c07884e1-08b3-4073-9bf2-9ebca5efc0

导语

多因子选股作为量化投资研究领域的经典模型，在海内外各类投资机构均受到广泛研究和实践应用。 在多因子模型中，决定策略收益稳健性的关键步骤正在于股票组合的权重配置。因此，从量化对冲策略追求收益稳定性的角度而言，组合权重优化对多因子模型起着至关重要的作用。

本篇报告有别于传统的多因子研究，我们并未将重点放在阿尔法因子的挖掘上，而是通过对股票组合的权重优化计算，找到了在市值中性、行业中性、风格因子中性约束下的最优投资组合，以及验证得到的组合权重是否满足了约束条件。

结构化多因子风险模型首先对收益率进行简单的线性分解，分解方程中包含四个组成部分：股票收益率、因子暴露、因子收益率和特质因

策略案例

https://bigquant.com/experimentshare/41ba8c41f99346a6872f3ecac3a50c80

\

策略案例

https://bigquant.com/experimentshare/54fe864132a7447894540d70cd2e36e5

\

策略案例

https://bigquant.com/experimentshare/723e10568f294571924b89f3953ce20b

\

策略案例

https://bigquant.com/experimentshare/9426627188af4f488644532c01328c14

\

现在先说说证券行情吧。

1。国外的股票行情我就不谈了，这个我不是很了解，今天我来说说国内两大证券交易所，上交所和深交所两大交易所。

上交所的L1和深交所的L1行情，狭义的说就是五档行情，还是比较好获取，渠道很多，但是质量参差不齐。我说说质量稍微好点的，野路子无限断、无限延迟行情，我就不谈了。

首先，最好L2行情数据接口的肯定是从交易所购买，交易所每年30万或35万，从交易所购买这个市场，一般用于量化分析交易或追板的，而是用于市场展示软件公司，一般交易会购买L2行情数据，前面的文章已经提到过。交易所的官方网站上有很多这样的公司，我记得在2016年之前，这样的软件公司并不多，现在，无数，

工欲善其事，必先利其器，本文精心整理了各大编程语言常用的量化分析工具，会用其中几个就应该可以在私募找到一份不错的量化工作，如果不想安装推荐 BigQuant 人工智能量化投资 一站式的Python+机器学习+量化投资平台，打开浏览器就可以开发算法策略。

欢迎大家补充~~~

编程语言

1. Python
2. R
3. Matlab
4. Julia
5. Java
6. JavaScript
7. Scala
8. Ruby
9. Frameworks

Python

• [numpy 7](http://li

如题

摘要

游凛峰先生，21年证券从业经历，多年海外投研经验，2009年加入工银瑞信基金，目前负责公司量化投资。深耕基本面量化投资多年，通过主动选行业+多因子量化选股，探索具有潜力的细分行业中的优质股票，注重自由现金流和盈利质量的匹配程度，实现“盈利稳定+最大化”。目前整体偏均衡成长风格，偏好配置持续高增长的行业，获取行业配置收益；个股盈利质量高，自由现金流等指标表现较优，长期业绩表现优秀。

基金经理：游凛峰先生，21年证券从业经历，2009年加入工银瑞信基金，目前负责公司量化投资，在管基金共7只，总管理规模约33.5亿元。海外投研经验丰富，深耕基本面量化投资多年，历史业绩表现优秀。

!

量化投资大师西蒙斯曾在一次演讲中说，“被美丽指引”是一个很不错的指导性原则。在西蒙斯看来，创办一家量化交易公司“美丽”的一面就在于，找一群正确的人，用正确的方法把事情做正确。

量化投资是一场团体赛，做出成绩需要团队共同的智慧输出。量化投资也是一门平衡的艺术，要不断在风险与超额收益之间寻找平衡点。

有行业专业人士，对超额收益的理解是这样的：超额收益并非只以高低来进行衡量，而是要长期有效、胜率相对较高才能形成有效的阿尔法收益，如果一个指数增强基金长期超额月度胜率（即超越基准指数收益）在60%-70%以上，指数增强阿尔法策略相对有效即被证明。既严谨对待了贝塔风险，不追逐某段时间的暴涨暴跌，同时也

在投资研究与投资决策中，与依靠投资者经验及主观分析来做出投资决策的主观投资不同，量化投资通过对数据的分析建模，依靠指标与模型做出客观的投资决策。

在很大程度上，量化投资避免了投资者的主观意愿与情绪对投资收益带来的潜在不良影响。同时，数据、方法以及模型的客观性为投资决策提供了更科学、更可靠的参考依据。

然而，传统量化投资在实践中面临着越来越多的困难： 1.高维度的数据带来的分析困难，研究人员无法同时处理接收并分析海量数据。在信息维度爆炸式增长的今天，若仅仅依靠研究人员处理分析的有限数据，则很难从市场中获利。 2.对市场中不合理定价或指标的不合理偏移的识别困难。本质上，量化投资的获利来源于

近年来，量化投资在国内发展迅速，一批量化私募机构管理规模破百亿，少数头部破千亿，而且相当一部分量化私募在过往一年多时间取得不错的收益。

投资者在享有量化投资收益机会的同时，也在保持清醒的认识，量化投资也存在风险，能否取得超额收益关键仍在在核心团队，与团队建设、IT建设和团队积累的研究框架等密不可分。

1.投资范围更加广泛 量化投资借助计算机技术，搜集的信息更具有速度和广度，投资分析的范围覆盖面更广，基本可达整个市场。同时，量化投资可以针对全市场范围的品种，多角度分析且实现选择，促进交易者获得更多投资机会。

2.程序化交易，避免人为主观因素的影响 量化投资通过回测来证实或者证伪策略的历

当前，越来越多的金融机构开始使用机器学习方法，以期在市场竞争中赢得优势。而量化投资机构也逐步抛弃传统的分析方法，转而使用机器学习算法预测市场走势和选择投资组合。

而机器学习的优势在于，能够提供非线性关系的模糊处理，弥补了人脑思维模式，同时利用相关算法，可以大幅提高数据挖掘、处理效率。则借用机器学习，量化投资策略会变得更加丰富。

与此同时，在量化领域应用机器学习算法，仍然存在一些问题和挑战。那么，你在实践过程中，都碰到哪些问题呢？

The Story of Citadel

Citadel纪录片分享！House of Ken Griffin – The Story of Citadel！了解Ken Griffin是如何把Citadel打造成为300亿美元对冲基金！

https://www.bilibili.com/video/BV1ot4y1j74y

Citadel创始人访谈

Citadel城堡投资集团 肯·格里芬 在大卫·鲁宾斯坦访谈 The David Rubenstein Show - Citadel's

人工智能在量化领域的应用

因诺资产徐书楠有关量化的解读-人工智能的深度运用，国内量化投资会有更长足的发展，资产配置应基于长期考量，短期表现偏随机性

https://www.bilibili.com/video/BV14B4y197bP

\