2020年12月_BigQuant

原创物理工程建模和AI量化建模的时空跳跃

我是李冠达，在宽邦科技（BigQuant）担任高级策略工程师，毕业于清华大学，从事过流体、固体力学工程方面的建模工作。有6 年以上的量化投资经验，转到AI量化也3年多了。个人比较擅长将物理层面的模型迁移到量化投资上，曾帮助国内知名基金成功设计出 AI 模型。介绍一下目前从事的工作目前主要在BigQuant上研究各类算法在量化的应用，例如LSTM\LGBT等等算法的研究。同时，也开AI量化的Meetup，针对在AI量化中有疑惑或者遇到障碍进行答疑，这样直接的沟通，可以解决大家不少的疑虑。也会在高校去讲讲

2020-12-31 17:39:15 2279

原创跨学科的AI量化其实很简单

我在AI量化的跨学科研究邵守田在宽邦科技（BigQuant母公司）担任高级策略工程师，曾在私募基金管理过数亿规模资产。现专注AI策略研究，参与BigQuant的模块建设、算法研究、策略开发，主导了CNN\DNN等算法模型研究和构建，同时主导金融机构客户的的策略研究工作。介绍一下自己和从业的工作大家好，我是邵守田，毕业于东北财经大学行为金融硕士研究生。曾在私募机构任职基金经理，管理上亿规模资产，并且也取得了良好的成绩。我学习的是行为金融，本身就是一门跨学科研究的专业，结合了金融、数学、计算机三个领域的

2020-12-30 16:02:03 3641

原创利用CNN对股票“图片”进行涨跌分类——一次尝试

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线图片就太好了。当然，本文中使用的图片并不是在看盘软件上一张一张截下来的，而是利用OHLC数据“画”出来的；尝试：这个词委婉一点说就是“一个很好的想法_"，比较直白的说法是“没啥效果T_T”。进入正题：首先是画出图片。本文目前是仿照柱线图画的。大致

2020-12-17 14:12:46 1175 2

原创如何写好策略——因子篇（二）：因子是否越多越好？

在这个模型里的18个因子，难以衡量每个因子的作用。目前有一套shap包，对黑箱有一定的解释性。这个解释原理比较简单，按照添加该因子的顺序观察结果变化。比如添加该因子前和添加因子后，模型输出结果的变化是否发生了变化，结果对模型的敏感度或者贡献度有什么影响，这个可以评判因子对预测值起到了拉高还是降低的作用，进而计算shap值作为评估。BigQuant以后逐步地把这个功能加进来，形成标准化、模块化的产品功能。同时，可以参考一下相关的研报。例如华泰证券有对黑箱模型的解释： Shap包应用、因子之间的相互作用。但对

2020-12-05 16:45:39 1466

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 3953

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 2462 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 8233

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 1537

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 10:19:37 870 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 7360

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 1102

bigquant的博客