- 博客(44)
- 收藏
- 关注
RSS订阅原创 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
10787
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
1791
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
9796
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
2752
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
2149
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
2694
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
1699
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
2618
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
5350
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
6305
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
817
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
2765
原创 机器学习—滚动训练模块介绍
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代码进行进一步研究滚动训练模块简介滚动训练模块上线已经有一段时间了，接下来我们会简单介绍如何使用这个模块。为了尽量避免策略失效，我们可以定期更新训练集数据，也就是通过滚动训练的方式更新预测模型以适应最新市场行情的变化，例如：我们希望训练一个模型，训练集数据从2016-01-01起到最新数据止，每次模型训练所用数...
2019-01-12 11:21:13
6166
原创 单因子分析模块简介
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大家在找因子的时候，一定会纠结应该如何去评价一个因子的好坏。我记得华尔街的以为量化大鳄曾说过一句话，在量化交易里，最烂的方法是看回测，最好的方法是特征分析（信息分析）。于是，开发了一个单因子分析的模块，来帮助大家甄别因子的好坏。模块基本分析框架全市场因子暴露因子暴露在我们的分析框架里，...
2019-01-12 11:04:28
5792
原创 [量化学院]机器学习有哪些常用算法
导语：通过文章《什么是机器学习》我们大概知晓了机器学习，那么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。机器学习是一门实践学科，只有不断做实验才能有所进步。BigQuant人工智能量化投资平台 集成了众多深度学习/机器学习开源框架，是一站式的python+机器学习+量化投资平台，可以直接在BigQ...
2019-01-12 10:58:19
3592
原创 Alpha系列——从MPT到APT
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代码进行进一步研究从MPT到APT前面文章为大家介绍了许多AI量化投资理念，CAPM和APT是现代投资组合理论的基石，在这篇教程中，我们阐述了CML和CAPM的关系，以及APT和CAPM的差异和不同，从而帮助读者在正式理解主动投资管理框架之前，打好理论基础和知识。夏普组合与CML我们在上期的教程中，已经证明了最...
2019-01-12 10:51:36
1609
原创 Alpha系列——主动投资管理之信息率
主动投资管理——信息率这篇教程的主要目的是介绍主动投资组合管理的一些重要概念，帮助不熟悉这一领域的读者能够了解这个方法论的核心思想和价值。我们先介绍主动投资的概念，然后引入主动投资里最重要的概念——信息率。接着我们分别从主动投资组合最优化框架，以及收益、风险的权衡展开，最后我们通过一个实际的主动投资组合的案例实验来结束讨论。主动投资概念定义之前我们已经介绍了经典的MPT，它的核心思想是市场...
2019-01-12 10:35:55
1883
原创 商品期货策略-ATR通道突破策略
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代码进行进一步研究导语：商品期货交易上线啦！听闻这个消息的小编当然坐不住了，决定立刻商品期货走一波！本文选择实现的是经典的ATR通道突破策略（也被称为波动性突破策略，曾多年获得实盘前10策略殊荣），让我们来看看ATR通道突破策略在商品期货中的应用吧！背景知识真实波动幅度均值（ATR）是由威尔斯·威尔德（J. ...
2019-01-11 18:38:50
19012
1
原创 基本面量化（Quantamental）——财务指标量化策略
公司的基本面因素一直具备滞后性，令基本面的量化出现巨大困难。而从上市公司的基本面因素来看，一般只有每个季度的公布期才会有财务指标的更新，而这种财务指标的滞后性对股票表现是否有影响呢？如何去规避基本面滞后产生的风险呢？下面我们将重点介绍量化交易在公司基本面分析上的应用，即平时常说的 基本面量化（Quantamental）。下文给出财务指标量化策略案例，并分享出策略源码，感兴趣的朋友可以直接前往...
2019-01-11 18:28:03
15235
2
原创 [量化学院]基于协整的配对交易
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代码进行进一步研究配对交易相信很多同学都了解过 Pairs Trading，即配对交易策略。其基本原理就是找出两只走势相关的股票。这两只股票的价格差距从长期来看在一个固定的水平内波动，如果价差暂时性的超过或低于这个水平，就买多价格偏低的股票，卖空价格偏高的股票。等到价差恢复正常水平时，进行平仓操作，赚取这一过程中价...
2019-01-11 14:52:05
5313
原创 [量化学院]使用cvxopt包实现马科维茨投资组合优化:以一个股票策略为例
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代码进行进一步研究介绍前文中，我们已介绍了许多量化投资思想，在这篇文章中，你将了解Markowitz投资组合优化的基本思想，以及如何在Python中实现。然后，我们将展示如何创建一个简单的策略回测，以Markowitz最佳方式重新平衡其投资组合，对各个资产的权重进行调整。文章开始，我们将使用随机数据而不是实际的股...
2019-01-11 11:04:31
4582
3
原创 [量化学院]事件驱动策略（基于业绩快报）
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代码进行进一步研究事件驱动（Event Driven）属于量化投资之中的一个重要类别，涵盖投资机会广泛。广义上说，市场上任何发生的有可能与股票市场相关的新闻、事件、公告均有可能成为事件驱动的投资机会。 目前我国业界事件驱动策略中包括的常用重大事件有：业绩预告、业绩快报、分红送转、大股东增减持、高管增减持、定向增发、限...
2019-01-11 10:55:47
2533
原创 WorldQuant因子分析复现
WorldQuant因子分析复现WorldQuant因子模拟简介WorldQuant发布了WebSim后，本着全世界给它当矿工的精神，大大降低了普通人因子挖掘的门槛。用户只需要输入因子表达式，便能得到这个因子的alpha收益。本文在BigQuant人工智能量化投资平台进行复现，复现方式和WebSim也有异曲同工之处，用户可以只输入因子表达式以及一些相关参数，便能够获取因子分析的相关结果。文...
2019-01-11 10:42:10
4231
原创 [量化学院]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...
2019-01-10 18:10:03
1588
原创 [量化学院]借助talib使用技术分析指标来炒股
什么是技术分析所谓股票的技术分析，是相对于基本面分析而言的。基本分析法着重于对一般经济情况以及各个公司的经营管理状况、行业动态等因素进行分析，以此来研究股票的价值，衡量股价的高低。而技术分析则是透过图表或技术指标的记录，研究市场过去及现在的行为反应，以推测未来价格的变动趋势。其依据的技术指标的主要内容是由股价、成交量或涨跌指数等数据计算而得的，技术分析只关心证券市场本身的变化，而不考虑会对其产生...
2019-01-10 18:02:12
6898
1
原创 HMM滚动训练择时研究【附源码】
最近社区上有几篇关于隐马尔可夫模型（HMM）的研究报告。在此基础上，本报告针对沪深300指数，采用滚动学习方式构建HMM模型，获得收益预测情况，从而生成交易信号。回测结果表明，该模型对于大盘系统性风险预判能力较强，年化收益为16.5%，夏普比0.75。关于HMM的模型介绍，可以参考以下两篇帖子，这里不再重述。《HMM 理论基础及金融市场的应用（一）》《【研究】隐马尔科夫模型（HMM）的择时...
2019-01-10 17:52:42
2533
1
原创 基于AI排序算法的指数增强策略（附源码）
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...
2019-01-10 17:42:42
2167
1
转载 科学回测中的大学问
一.引言回测（backtesting）是任何一个量化投资策略上线之前必须要经过的一道流程；它是量化投资策略和其他类型投资（如主动投资）最大的区别之一。回测将投资策略应用到历史数据中并考察它的表现。具体的，回测有如下作用：验证投资策略是否有效：我们很容易从学术文献、投资书籍、券商报告、以及互联网得到很多交易策略的想法。回测可以快速验证一个想法是否有效（净值曲线至少得是向上的）。对策略进...
2019-01-10 17:36:06
1271
翻译 过拟合详解：监督学习中不准确的“常识”
导语：本文为Mehmet Süzen撰写文章的译文，稍有删改。文章清晰地阐释和区分过度拟合及过度拟合等概念，对于本领域学习者正确理解专业术语多有帮助。正如作者在原文末所指出的：对待简单的概念，我们也应抱着积极求学的态度，了解其成立的基础。前言大多数从业者对”过拟合“这一概念存在误解。在数据科学界，始终存在一种类似于民间说法的观点：“利用交叉验证可以防止过拟合。在样本外对模型进行验证，如...
2019-01-10 17:19:28
2018
翻译 神经网络知识梳理——从神经元到深度学习
在深度学习十分火热的今天，不时会涌现出各种新型的人工神经网络，想要实时了解这些新型神经网络的架构还真是不容易。光是知道各式各样的神经网络模型缩写（如：DCIGN、BiLSTM、DCGAN……还有哪些？)，就已经让人招架不住了。因此，这里整理出一份清单来梳理所有这些架构。其中大部分是人工神经网络，也有一些完全不同的怪物。 尽管所有这些架构都各不相同、功能独特，当我在画它们的节点图时……其中潜在的关...
2019-01-09 11:54:36
9360
翻译 摩根大通的最新指南——将AI应用于算法交易
如果你对银行以及金融领域的机器学习或人工智能（人工智能量化投资）应用感兴趣的话，你一定了解 JPM（摩根大通）去年发布的在金融领域有关大数据及人工智能应用指南，你也一定会对他们刚刚发布的一份关于将 “数据驱动下的机器学习应用于算法交易”问题的新报告感兴趣。去年那份长篇报告是由JPM 宏观量化研究团队负责人，素有“半人半神”之称的 Marko Kolanovic，以及另一位在去年四月刚从美林银行...
2019-01-09 11:51:00
2449
翻译 【精品】机器学习模型可解释的重要及必要性
导语：不管你是管理自己的资金还是客户资金，只要你在做资产管理，每一步的投资决策都意义重大，做技术分析或基本面分析的朋友很清楚地知道每一个决策的细节，但是通过机器学习、深度学习建模的朋友可能就会很苦恼，因为直接产出决策信号的模型可能是个黑盒子，很难明白为什么模型会产出某一个信号，甚至很多保守的私募基金把模型的可解释性放入了事前风控。其实，模型的可解释性是很容易做到的，难点在于研究员是否对模型有深入...
2019-01-09 11:39:05
3249
1
原创 能否通过历史股价预测未来股价？
BigQuant 人工智能量化投资平台 是一站式的Python+机器学习+量化投资平台，曾给出过《基于LSTM的股票价格预测模型》样例，读完下文对人工智能量化投资感兴趣的朋友可以直接前往原文进一步学习研究。LSTM 的闹剧随着深度网络的越来越普及，软件开发人员越来越容易对其进行实现，毫无疑问，很多开发人员会用他们熟悉的基于股票价格的预测来训练长短期记忆网络。我见过好几篇论文，展示了如何通过把历...
2019-01-09 11:30:26
2956
翻译 AI和机器学习对量化交易领域的影响
本文为Michael Harris 在欧洲作为邀请嘉宾为高净值客户和交易者所做的一场演讲概要，主题为“人工智能与机器学习将对交易与投资产生的巨大影响”。文章主要从四个方面进行阐释，包括交易、阿尔法策略、技术分析和交易员。以下为原文主要内容：BigQuant 人工智能量化投资平台 是一站式的Python+机器学习+量化投资平台，对人工智能量化投资感兴趣的朋友可以直接打开浏览器进一步学习研究。...
2019-01-09 11:11:11
3207
原创 行业轮动策略（思想+源码）
一、行业轮动策略简介行业轮动是利用市场趋势获利的一种主动量化投资交易策略，其本质是利用不同投资品种强势时间的错位对行业品种进行切换以达到投资收益最大化的目的。通俗点讲就是根据不同行业的区间表现差异 性进行轮动配置，力求能够抓住区间内表现较好的行业、剔除表现不佳的行业，在判断市场不佳 的时候，权益类仓位降低，提升债券或货币的比例。二、行业轮动的原因目前，对我国行业轮动现象的理论解释有很多，但主...
2019-01-09 10:49:17
17174
翻译 关于机器学习，你必须知道的10件事情
很多时候需要为非专业人士解释机器学习，本文提供以下参考。1.机器学习意味着：从数据中学习机器学习目前风头正劲，AI也是热搜词汇。只要将合适的数据放入合适的模型，许多问题可以迎刃而解。如果能够帮助你宣传，就叫它AI吧。但请记住，AI，除了在学术界以外，常常是大家可以随意使用的热门词汇，用于描述他们想描述的一切东西。2.机器学习主要关乎算法与数据，尤其是数据很高兴能够在机器学习算法，特别是深度...
2019-01-08 18:17:08
389
翻译 【精品】全网人工智能机器学习免费资源汇总清单
早在21世纪初，我在编写关于网络和编程的书的时候，我就发现，互联网是一个很好的资源，但是它还不完善。 那时，博客已开始流行。但是YouTube还不是很普遍，同样Quora，Twitter和播客用户也很少。十年过后，我一直在潜心钻研人工智能和机器学习，局面发生了翻天覆地的变化。互联网上现在有非常丰富的资源——当你要寻找选择你想要的资源时，你很难抉择你应该从哪里开始（和停止）！为了帮助大家节省一些...
2019-01-08 18:14:05
533
翻译 数据科学，机器学习和人工智能有什么区别？
当我作为数据科学家介绍自己的时候，我经常会遇到像“数据科学和机器学习有什么区别”或者“这是否意味着你在从事人工智能研究？”这样的问题，我已经回答了无数遍，这些回答已经符合了我的 “三次准则”：当你写相同的代码写了三遍时，你就应该去写一个函数当你给出相同的个人建议三次时，你就应该将建议写在博客里这些领域确实有很多重叠之处，再加上三个领域都充斥着媒体的营销炒作，导致人们很容易对他们产生混...
2019-01-08 18:08:18
1839
1
原创 XGBoost 入门系列第一讲
*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，感兴趣朋友可以前往BigQuant人工智能量化投资平台进一步学习。Boosted Trees 介绍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 gradient boosted tree ，中...
2019-01-08 17:53:45
492
翻译 【入门必读】40个 机器学习/数据科学创业公司的面试问题
本文提到的40个问题需三思而后答，它将直接检验你在机器学习/数据科学方面的基础功。BigQuant 人工智能量化投资平台 涵盖众多机器学习深度续学习优质资源帖，集成了众多深度学习/机器学习开源框架，是一站式的python+机器学习+量化投资平台，更多内容可以前往BigQuant进一步查看目前看来，机器学习是下一次工业革命的驱动力。这意味着有许多创业公司正在寻找数据科学家。还有什么比这个职位...
2019-01-08 17:39:22
527
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