- 博客(136)
- 收藏
- 关注
RSS订阅原创 如何写出一个好策略：因子构建、因子评估到量化策略构建
BigQuant平台创建默认模板策略后，可以看到默认的因子，并且已经被组合在一起了。因子来源有很多种，此次我们从以下进行因子构建：“如何从证券机构的研报获取相应的因子“详细戳以下视频（指路"P46:0924初中级用户如何写出一个好策略"）： BigQuant AI量化专家 Meetup(update:1119) 摘取部分讲解：比如《国泰君安证券：基于短周期价量特征的多因子选股体系》中
2020-12-03 16:19:49
4418
原创 【干货】开发AI量化策略所遇到的坑
AI只是工具，想要驾驭AI还得自身有点功底，不然反而会被工具所害，甚至从信仰AI变为抵制AI。本文简单介绍开发AI量化选股策略中所遇到的各种坑，希望大家有所收获，少走弯路。本文主要从思想和实操两个层面分享下我在开发AI量化选股策略中所遇到的各种坑，也希望各位小伙伴能够进行补充。策略思想逻辑层面训练集和测试集不能有所重合机器学习的基本思路就是在训练集上发现pattern，训练出模型，然后对样本外的预测集数据进行预测。这好比老师平时布置的作业就是训练集，学生们通过平时的作业学习到知识，然后期末老.
2020-12-03 16:10:27
2656
1
原创 时间加权平均价格算法（TWAP）和成交量平均算法（VWAP）在量化回测的应用
为什么要引入TWAP和 VWAP？为了评估策略的资金容量，我们对M.trade模块里买入点和卖出点这两个参数进行了更丰富的扩展，支持了策略能够按更丰富的算法交易价格（WAP）进行撮合。如果资金是10万的话，那么在开盘买入基本上没有什么问题，如果资金量是300万、或者1000万呢？开盘如果只买入几只股票的话，本身的交易行为就会改变市场状态，冲击成本巨大。因此我们支持了算法交易里TWAP和VWAP。TWAP (Time Weighted Average Price)，时间加权平均价格算法，是一种最简单的传
2020-12-02 10:50:19
9511
原创 收藏！精品AI量化学习资料分享
作为一个AI量化学习者，可能很多人会有和我一样的感觉：问题不在于学习资源不够，而是“信息过载”。所以，我整理了一波AI量化精品资料，希望能和大家共同进步一起交流！先上资源合集：百度网盘下载 https://pan.baidu.com/s/1V8ZhbuUEy5EMbTOxZbEE6Q下面详细介绍和社区附件，大家按需享用~综合类与科普类《Advances in Financial Machines Learning》金融建模集大成教科书，数据分析 => 建模方法 => 回测方法 .
2020-12-02 10:27:10
1786
原创 日内因子：开盘缺口探索
本文探索股价日内模式中蕴藏的一种选股因子：开盘缺口。股价的日内走势可能蕴藏着一些有用的信息，特别是开盘和收盘的那几分钟，尤其可能潜藏着一些“私有信息”。比如，由于隔夜时段的交易暂停，每个交易日开盘后，市场累积的大量私有信息，将通过交易迅速得到释放，知情交易概率在日内呈现快速下降的态势。开盘缺口因子就致力于抓住上一日收盘和本日开盘之间信息差距。如果开盘价远高于前一日收盘价（跳空高开），说明说明市场情绪激动，股票可能会大幅上涨（突破缺口）或者也会逐步下跌（缺口填补）。本文主要探索上一日收盘价和本日开盘价的差
2020-12-02 10:19:37
1041
2
原创 七种量化选股模型
1.多因子模型多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。基本概念举一个简单的例子：如果有一批人参加马拉松，想要知道哪些人会跑到平均成绩之上，那只需在跑前做一个身体测试即可。那些健康指标靠前的运动员，获得超越平均成绩的可能性较大。多因子模型的原理与此类似，我们只要找到那些对企业的收益率最相关的因子即可。各种多因子模型核心的区别第一是在因子的选取上，第二是在如何用多因子综合得到一个最终的判断。一般而言，多因子选股模型有两种
2020-12-02 10:10:00
8966
原创 Pandas数据可视化工具——Seaborn用法整理（下）
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 一键克隆代码 进行实践研究。在前一篇文章 Pandas数据可视化工具——Seaborn用法整理（上），我们了解了如何使用这些Seaborn代码绘制分布图和分类图。在本文中，我们将继续讨论Seaborn提供的一些其他以绘制不同类型统计图的功能，我们将从矩阵图开始讨论。矩阵图矩阵图是一种以行和列的形式显示数据的图。Heat maps是矩阵图的一个典型例子。Heat MapsHeat Maps通.
2020-12-01 17:46:51
1288
原创 Pandas数据可视化工具——Seaborn用法整理（上）
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码进行实践研究。简介在本文中，我们将研究Seaborn，它是Python中另一个非常有用的数据可视化库。Seaborn库构建在Matplotlib之上，并提供许多高级数据可视化功能。尽管Seaborn库可以用于绘制各种图表，如矩阵图、网格图、回归图等，但在本文中，我们将了解如何使用Seaborn库绘制分布和分类图。在本系列的第二部分中，我们将了解如何绘制回归图、矩阵图和网格图。下载Se.
2020-11-30 19:01:55
916
原创 机器学习常用算法盘点
本文将带你遍历机器学习领域最受欢迎的算法。系统地了解这些算法有助于进一步掌握机器学习。当然，本文收录的算法并不完全，分类的方式也不唯一。不过，看完这篇文章后，下次再有算法提起，你想不起它长处和用处的可能性就很低了。本文还附有两张算法思维导图供学习使用。在本文中，我将提供两种分类机器学习算法的方法。一是根据学习方式分类，二是根据类似的形式或功能分类。这两种方法都很有用，不过，本文将侧重后者，也就是根据类似的形式或功能分类。在阅读完本文以后，你将会对监督学习中最受欢迎的机器学习算法，以及它们彼此之间的关系有一
2020-11-30 18:47:32
529
原创 基于Barra多因子模型的组合权重优化
本篇文章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子收益率。那么，第只股票的线性分解如下所示：rj=x1f1+x2f2+x3f3+x4f4⋅⋅⋅⋅xKfK+ujr_j=x_1f_1+x_2f_2+x_3f_3+x_4f_4 ···
2020-11-30 18:20:46
5000
原创 基于DNN模型的智能选股策略
1、DNN原理介绍 1.1 神经元 1.2 DNN 1.3 反向传播2、实例：DNN模型选股 2.1 策略步骤和模型参数 2.2 回测结果1. DNN原理介绍1.1 神经元神经网络的每个单元结构如下：图1.神经元结构其对应公式如下：hW,b(x)=f(WTx)=f(∑i=13wixi+b)h_{W,b}(x)=f(W^Tx)=f(\sum_{i=1}^3w_ix_i+b)hW,b(x)=f(WTx)=f(i=1∑3wixi+b)这相当于进行了两步：先计算各项输入的加
2020-11-30 18:07:45
933
原创 WorldQuant 101 Alpha因子构建及因子测试
WorldQuant 101alpha因子构建及因子测试背景介绍根据WorldQuant发表的论文《101 Formulaic Alphas 》 ，其中公式化地给出了101个alpha因子。与传统方法不一样的是，他们根据数据挖掘的方法构建了101个alpha，据说里面80%的因子仍然还行之有效并被运用在实盘项目中。在BigQuant策略研究平台上，可通过表达式快速进行因子构建和数据标注，再也不需要自己手动编写冗长代码。表达式简介因为在机器学习和深度学习中，因子是一个很重要的概念，也被称为特征，开发
2020-11-30 17:21:06
10344
原创 研究分享：用随机森林预测股价走势
原文：《Predicting the direction of stock market prices using random forest》原文下载机器学习已经广泛地应用在对于资产市场的分析中，在量化投资中尤为显著。但是，在浩如烟海的机器学习算法中，到底哪种算法能取得更优的预测效果呢？发表在《Applied Mathematical Finance》的这篇文章利用随机森林算法对股价d天之后...
2020-11-30 10:34:51
6805
原创 AI企业宽邦科技求贤令-BigQuant（内推送iPhone 12）
01 职位亮点人工智能、金融科技、一线AI团队、工程师文化、弹性工作时间、下午茶、内推成功 送iPhone 1202 职位列表AI平台开发工程师分布式机器学习平台开发工程师AI平台运维工程师量化投资算法工程师量化数据平台开发工程师量化数据开发工程师量化引擎开发工程师高频低延迟交易系统工程师前端开发工程师服务端开发工程师测试工程师AI平台产品经理AI量化平台产品经理售前工程师项目经理用户运营开发工程师（实习生）量化策略工程师（实习生）03 简历投递方式如您对上述.
2020-11-27 16:00:58
686
原创 BigQuant 免费“AI量化精英培养计划“上线啦！
BigQuant作为国内首个人工智能量化投资交易平台 ，为广大投资者提供了算法、算力、新型投资大数据和AI技术服务，自平台成立以来，吸引了大量用户，也引导了无数的用户成功走向了AI量化投资的道路，让机器去代替人进行数据挖掘等重复劳动工作，使人可以充分发挥自己的主观能动性，让广大投资者真正体验到AI赋能投资的能量，激发了大批用户对人工智能量化投资产生浓烈兴趣。但是，因为每位用户的基础都不尽相同，小...
2019-10-30 18:03:59
1330
原创 基于ATR确定头寸的择时股票量化策略
本文的策略类似海龟策略，不同的是加入了资金管理和仓位控制，策略逻辑较之前的海龟策略更为复杂。希望通过本文的介绍，大家对如何开发量化策略、如何使用可视化界面有更深的认识。感兴趣的朋友可以直接前往BigQuant人工智能量化投资平台进行克隆复现。策略设计如下：股票池：给定。股票数量越多，策略运行时间越长。起始时间：20160101-20171121头寸确定：基于ATR确定买入数量，1单位...
2019-03-09 11:51:23
2782
1
原创 风险平价组合(risk parity)理论与实践
本文介绍了风险平价组合的理论与实践；后续文章将对risk parity组合进行更深入探讨以及引入预期收益后的资产配置实战策略。感兴趣的朋友可以直接前往BigQuant人工智能量化投资平台克隆代码进行复现。前言资产配置是个很广泛的话题，在投资中是一个非常重要的话题从使用场景分类上来看，资产配置可以是宏观的资产配置，比如货币类、债券类、权益类之间的配置；当然也可以是某一大类资产下的配...
2019-03-09 11:23:05
21810
8
原创 机器学习交易——如何使用回归预测股票价格？
作者：Sushant Ratnaparkhi编译：BigQuant前几天，我读了一篇关于人工智能到目前为止是如何发展的以及它将走向何方的文章。我被吓了一跳，我也很难理解作者所描绘的未来的可能性。这是人工智能在医学领域应用的可能性之一：外科医生可以用她的运动皮层控制一个机器手术刀，而不是用她的手。她可以从手术刀接收到感觉输入，这如同她的第11个手指一般。这就好像她的一个手指是手术刀，她可以...
2019-03-09 11:16:57
2770
原创 算法交易的成长与未来
作者：Viraj Bhagat编译：BigQuant回顾原始时代，当火是人类最伟大的成就时，当时的他们谁能想到我们人类今天所取得的成就?我经常对从公元前300年的基本欧几里德算法到现代算法的奇妙旅程感到惊讶。信息在地球上传播的速度是如此之快！算法交易的未来今天，算法交易是近年来最热门的技术之一。它消除了人为失误，改变了当今金融市场相互联系的方式，使交易公司在快速发展的市场中拥有了更强大...
2019-03-09 11:02:41
1777
原创 机器学习中的过拟合
来源：elitedatascience编译：BigQuant成千上万的数据科学新手会在不知不觉中犯下一个错误，你知道是什么吗？这个错误可以一手毁掉你的机器学习模型，这并不夸张。我们现在来讨论应用机器学习中最棘手的障碍之一：过拟合（overfitting）。在本文中，我们将详细介绍过拟合、如何在模型中识别过拟合，以及如何处理过拟合。最后你会学会如何一劳永逸地处理这个棘手的问题。你将读到...
2019-03-09 10:58:39
1070
原创 # 交易：赚取收入还是积累财富？
作者：AndyN编译：BigQuant在你做研究或者只是随意浏览百度搜索关于交易的文章时，你有没有看到过这样的话：“如何通过交易赚到第一辆兰博基尼？”“无论你在哪里你都可以通过交易谋生。”“遵循“X”黄金法则，获得难以置信的财富。”…好吧，我见过的到不少。我甚至遇到过有人说：“我刚刚辞掉工作，准备全职做交易。”每当看到这些评论，标题党和这样的广告的时候，我总是会感到十分沮丧...
2019-03-09 10:54:44
473
原创 人工智能和机器学习对交易和投资的影响
作者：Michael Harris编译：BigQuant以下是我几个月前在欧洲做的一次演讲的摘录，当时我应邀为一群低调但净资产很高的投资者和交易员做演讲。该主题由主办方决定，是关于人工智能和机器学习对交易和投资的影响。下面的节选分为四个部分，涵盖了原始报告的50%。人工智能和机器学习对交易的一般影响人工智能（AI）允许用机器代替人。在20世纪80年代，人工智能研究主要集中在专家系统和...
2019-03-09 10:46:35
2065
原创 机器学习新手十大算法之旅
作者：James Le编译：BigQuant在机器学习中，有一个叫做“世上没有免费午餐”的定理(NFL)。简而言之，我们无法找到一个放之四海而皆准的最优方案，这一点对于监督学习(即预测建模)尤为重要。例如，你不能说神经网络总是比决策树好，反之亦然。因为其中有很多因素在起作用，比如数据集的大小和结构。因此，您应该针对您的问题尝试多种不同的算法，同时，保留一组数据，即“测试集”来评估性能并选...
2019-03-08 18:02:02
464
原创 自动交易如何增加交易利润？
作者：Harry Nicholls编译：BigQuant你有没有想过如何使你的量化投资策略自动化并增加交易利润？在本文中，我们将介绍算法交易的基本知识，好处和风险。准备好开始自动交易吧！ 很多技术分析都涉及观察信号指标，然后根据信号进行交易。正如我在之前的文章“一个让优秀交易者高于其他交易者的行为”中所讨论的那样，你应该在你的交易日志中记录下你所有的交易，当你获得更多的经验时，你...
2019-03-08 17:57:18
1886
原创 利用机器学习进行管理风险
作者：Todd Moses编译：BigQuant通过对冲降低交易风险的方法有很多，基金通常使用期货和期权来对冲每笔交易，然而与保险类似，这种安全网也是有成本的。现在有一种基于人工智能的方法，或许可以帮助实现更低的成本。在麦当劳推出麦乐鸡之前，发现不得不对鸡肉的成本进行对冲，因为如果鸡肉价格大幅上涨，他们就无法持续提供该产品。麦当劳随后通过一位财务顾问，确定了养鸡有关的两项成本是：粮食（...
2019-03-08 17:54:16
2585
原创 投资时钟系列研究(一）
引导语：本文参考了国信证券关于经济周期与股市研究的几篇研报，简单介绍了国信投资时钟，为经济周期系列研究第一篇。感兴趣的朋友可以直接前往BigQuant人工智能量化投资平台进行克隆复现。一、背景介绍美林投资时钟其主要原理是根据经济增长(产能缺口)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。...
2019-03-08 17:50:12
2078
原创 自定义函数构建因子
我们先来回顾一下，当我们构建因子时，目前有几种方式。这里以过去5日成交总额因子举例说明：根据因子库默认因子构建(avgamount5)∗5(avg\\_amount\\_5)*5(avgamount5)∗5运算符构建因子amount0+amount1+amount2+amount3+amount4amount\\_0+amount\\_1+amount\\_2+amount\...
2019-03-08 17:40:53
1178
原创 基于AI排序算法的指数增强策略
在介绍AI排序算法之前我们先介绍另外一个术语：特征工程特征工程是使用专业背景知识和技巧来处理数据，使得特征能在机器学习算法上发挥更好作用的工程实践。这样解释可能并不直观。举例说明，当我们选择用指标来评估一个人身体健康程度时，我们一般联想到的是身高和体重指标，这是两个不同的维度对数据进行记录，如果我们用身高除以体重这个衍生计算出来的比值来评估一个人身体健康状况，可能预测准确率比单单以身高或者体重进...
2019-03-08 17:27:05
708
原创 选股+择时策略组合
导语：本文讨论交易中两个非常重要的命题：选股+择时，并将其两者结合起来开发策略。下文会给出样例并附上源码链接，感兴趣的朋友可以直接前往BigQuant一键克隆进一步研究。选股就是要选一只好股票，而择时就是选一个好的买卖时机。如果投资者选了一只很差劲的股票，无论怎样择时操作，都无法获得超额的利润。但如果只选股而不进行择时，又可能面临系统性风险爆发的困境。如何将选股和择时策略有机地结合起来？...
2019-01-31 14:15:11
11547
原创 如何选出符合一定条件的股票
导语：在开发股票量化投资策略的时候，其中非常重要的一步就是选股。因此本文的目的是希望大家阅读以后，能够更为快速、高效、便捷地在BigQuant平台上选出符合一定条件的股票。符合一定条件的股票可以这样理解，这类股票具有同样的特征、属性，比如属于同一个板块，或者相似的财务指标，或者是存在相似的图表形态。那么，怎样快速地选出符合一定条件的股票呢。主要因素为下面两点：BigQuant数据以及数...
2019-01-31 14:07:07
2223
原创 Brinson分析简介
导语：收益归因是一个比较基础、同时相当重要的策略分析工具，本教程旨在帮助大家利用BigQuant人工智能量化投资平台自带的Brinson进策略进行绩效归因分析。分析框架Brinson的框架可以用来分解投资组合的总收益。尽管计算上很简单，但理论上是有效的，已被各种养老金赞助人、顾问和投资管理人员成功地使用；目前，它被用来表示实际投资组合中的业绩贡献。绩效归因虽然不是新发现的理论，但仍然是一个...
2019-01-31 11:40:28
10106
原创 BRINSON理论 - 投资组合表现的决定因素
最近的一项研究表明，在所有资产超过20亿美元的企业养老金基金中，超过80%拥有超过10位投资经理，在所有资产超过5000万美元的基金中，不到三分之一的基金拥有一名投资经理。许多雇佣多名经理的基金只关注经理选择的过程。直到现在，一些基金才开始认识到，它们必须制定一种界定基金经理资产管理能力的方法，并对构成投资管理过程的各个环节——投资基准、市场时机和证券选择——的绩效贡献进行评估。基准、时机和证券选...
2019-01-31 11:34:57
2997
原创 量化术语速查表（持续更新）
本文介绍一些量化投资相关术语，帮助大家更好地了解该行业。作者： bigquant阅读时间：15分钟本文由BigQuant宽客学院推出，难度标签：☆☆以下术语没有先后顺序，并将持续更新！金融相关：股票：股份公司发行的所有权凭证。债券：承诺按一定利率支付利息并按约定条件偿还本金的债权债务凭证，风险较低。固定收益：固定收益类投资指投资于银行定期存款、协议存款、国债、金...
2019-01-31 11:28:33
2582
原创 大师系列之价值投资选股策略
国外证券市场比较悠久，曾出现过本杰明·格雷厄姆、彼得·林奇、詹姆斯·奥肖内西、查尔斯·布兰德斯等多位投资大师，这些投资大师有一个共同点，他们在证券市场上保持了常年的稳定持续盈利，他们的投资法则及选股标准在一些著作中有详细的描述。值得欣慰的是，申万宏源证券研究所发布了<申万宏源-申万大师系列价值投资篇>系列第一季共20篇研究报告。学习这些报告主要有两个目的：一是我们自身想去认真的学习经...
2019-01-31 11:23:09
2948
原创 HMM 理论基础及金融市场的应用
贝叶斯定理到贝叶斯网贝叶斯公式上面是我们耳熟能详的贝叶斯公式，为什么要从这个基本公式讲起呢？原因在于现代统计模型和概率模型的灵魂便是条件分布，而条件分布的理论基础便是这个简单的贝叶斯公式。单纯讲数学未免太枯燥，我们用简单的例子来说明这个概念。比如我们有只股票S，简单起见，它只有两种状态{U,D}，U和D分别表示上涨和下跌。如果我们想知道它每天上涨和下跌的概率，只需要简单得统计历史中上涨和下...
2019-01-30 15:49:24
1868
原创 量化投资中的特征工程
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。感兴趣的朋友可以前往BigQuant人工智能量化投资平台进一步实践研究。1.特征工程是什么？有这么一句话在业界广泛流传： 数据和特征决定了机器学习的上限。那特征工程到底是什...
2019-01-30 15:37:17
2979
原创 Pandas数据可视化工具——Seaborn用法整理
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BigQuant人工智能量化投资平台一键克隆代码进行实践研究。代码链接见文末。简介在本文中，我们将研究Seaborn，它是Python中另一个非常有用的数据可视化库。Seaborn库构建在Matplotlib之上，并提供许多高级数据可视化功能。尽管Seaborn库可以用于绘制各种图表，如矩阵图、...
2019-01-30 15:32:47
5528
原创 LSTM择时+StockRanker选股的可视化策略实现
摘要：本文将为大家构建一个AI驱动的量化投资策略样例，策略用LSTM算法进行择时，StockRanker算法进行选股，并用可视化的方式实现，文末附上策略源码，感兴趣的朋友可以直接前往BigQuant人工智能量化投资平台进行实现。一、LSTM算法简介LSTM Networks是递归神经网络（RNNs）的一种，该算法由Sepp Hochreiter和Jurgen Schmidhuber在Neu...
2019-01-30 15:25:03
6834
1
翻译 过拟合与欠拟合-股票投资中的机器学习-来自Euclidean Technologies的公开信
本文来自Euclidean Technologies于2018年发表的一封公开信，主要介绍了机器学习在金融领域中的应用和前景。可供对机器学习感兴趣的朋友学习，对量化投资与人工智能的结合有个初步的了解及认识截至今年9月，在标准普尔500指数成份股包括股息在内的总回报率为10.6%的情况下，Euclidean Fund I费用和支出净额年涨幅为9.8%。这些回报来自于一个对价值投资者不利的环境...
2019-01-30 15:16:03
1060
原创 超参寻优使用介绍
实现平台：BigQuant—人工智能量化投资平台可在文末前往原文一键克隆 策略进行进一步研究超参寻优模块简介最近，我们上线一个新的模块——超参优化模块，它可以帮助大家对我们平台上的机器学习模型进行超参数优化，让你的收益更上一层楼，接下来就让我给大家介绍下。超参寻优理论简介在机器学习里，我们本质上是对损失函数进行最优化的过程。过程类似下面的曲面，算法试图去寻找损失曲面的全局最小值，当...
2019-01-12 11:25:04
2943
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人