- 综合排序
- 最热优先
- 最新优先
- 来自专栏王的机器
量化投资精品书籍
这本书真心好，作者就是极度追求技术把机器学习方法和量化投资结合起来。 如果做量化投资加机器学习只能看一本书，那么就是这本。 2 Inside the Black Box ? 解释高频交易最清楚的一本书。 委托单 (order book) 是高频交易中最核心的概念，别的书最多只会讲到 Level 2 的信息 (即最优和次优的申买价和申卖价)，如下图： ? 国外量化平台 QuantStart 里面出的第一本书，主要讲解如何使用时间序列分析，机器学习和使用 R 和 Python 的贝叶斯统计来实现高级交易策略。 本书的精华是如何系统化的研究交易策略，虽不是高频，但对量化技术描述的很到位。 10 The Guru Investor ?
2K64发布于 2019-07-05 - 来自专栏嘘、小点声
股市技术面操作的量化交易--量化交易2-投资方法
通常，我们认为人们是“风险厌恶”的，并构造如下形式的效用函数来代表投资者的投资偏好： U®=E®- 1/2 Aσ^2 ® 其中E®表示投资组合的预期收益率，σ^2 ®表示投资组合的方差； 预期收益率越高 这表明投资者喜欢更高的E®，而不喜欢高的σ^2 ®。 如果同时投资于两种资产，权重分别为w_1、1-w_1， 则组合的期望收益率和方差可表示为： r=w_1 r_1+(1-w_1)r_2 σ^2= w_1^2 σ_1^2+〖(1-w_1)〗^2 σ_2^2 有效边界和投资组合选择 当投资者面临的可选资产大于2种时，标准差和收益的关系就不仅仅局限于一条曲线了，通过权重的选取，投资者可选的收益-标准差点构成一个有边界的面。 例如，投资者认为未来第三种资产会比第一种资产收益率高2%，就可以表示为： -1×μ_1+0×μ_2+1×μ_3+⋯+0×μ_N=2% 投资者认为未来第二种资产收益率应该为5%，那么可以表示为： 0×μ_
1.1K20发布于 2020-11-24 - 来自专栏数说工作室
量化投资之动量反转
量化投资投资之动量反转 微博：@数说工作室网站 微信公众号：数说工作室 那一年，你在我的有效市场里随机游走，不经意间毁灭了我的理性人假设。 2. 行为金融学与现代金融学 （1）现代金融学的两大基石是有效市场假说（EMH）和资本资产定价模型（CAPM），因此它建立在市场有效竞争的基础上，能够在市场竞争中幸存下来的只有理性投资者。 在“量化投资之多因子选股模型”中，说到金融市场中，来自市场的平均收益被称为Beta收益，独立于市场的超额收益则为Alpha收益，见图4 ? 图片来源：数说工作室，《量化投资之多因子选股模型》 图4、Alpha收益与Beta收益的名称来源 实际上，一只股票的收益可以拆成Alpha、Beta和残差三个部分： ? 参考资料 丁鹏，《量化投资——策略与技术》，电子工业出版社 数说工作室，《量化投资之多因子选股模型》 联合证券，《依靠强大的Alpha动量战胜市场》 张宇，《我国股市的动量和反转投资策略实证研究》 程石
2.8K100发布于 2018-04-08 - 来自专栏大数据文摘
大数据与量化投资
量化投资应该就是在这种背景下提出的，应该说，量化投资就是互联网金融一直在走的一条路。 天天盈基金、余额宝货币基金、平安车险、招商网上银行、P2P个人贷款。如果说和讯旺、天天盈是简单的内容转移1.0时代。那么余额宝、雪球和P2P个人贷款最多算2.0吧。那未来的3.0时代是什么么? 3.基于互联网技术和金融深度理解的量化投资：我认为未来互联网金融未来最重要的方向还是在量化投资上，技术和金融的深度结合，还是如何利用高效的技术做分析。 虽然量化投资不能解决所有问题，但在一定的时间段内还是能够给金融机构带来相当丰厚的收益。人的作用更多的是如何优化量化投资的逻辑。 我认为量化投资的关键除了数据、技术以外，最关键的就是用什么数据、给什么权重、用什么算法处理，这个算法的更新频率。
89780发布于 2018-05-22 - 来自专栏大数据文摘
大数据时代的量化投资
我想结合量化投资的理念以及国外量化投资的发展和大家分享对中国量化投资发展的几点看法。 1.量化投资的核心是风险的量化管理。 理性的投资者在投资时追求的不只是收益，更重要的是对风险的管理。 在此背景下，量化投资的出现符合市场的需求，采取量化的方式和手段对风险进行评估，是一种严谨透明的投资理念。 2.大数据处理技术的发展给量化投资提供强大的技术支持。 有很多学者将计算机以及互联网的出现称之为第三次工业革命。在这个信息科技高速发展的变革时代，每个行业都面临着大数据时代带来的挑战。 在大数据时代背景下，各种针对大数据处理的技术的发展将在量化投资中得到应用，为投资者带来更大的回报。 3.金融创新给期待量化投资的投资者提供了丰富的投资工具。 在海外，商品期货市场的蓬勃发展还推动了专著于投资于期货市场的量化投资基金的发展，比如，在2013年底全球2万7千亿美元的对冲基金市场中，面向商业期货的对冲基金CTA（商品期货交易顾问，主要投资期货）的资产规模已经达到了
83480发布于 2018-05-21 - 来自专栏洞明学问
个人量化投资体系搭建（一）
个人量化投资体系搭建（一） 简介 最近股市波动，不少 厮杀多年的投资人 老韭菜也关灯吃面。 作为一名技术人员利用量化交易来进行投资，才能让自己更理智的面对动荡不安的A股。 如何建立起一个成熟的投资策略，是非常重要的，关键时刻也许可以让我们避免被割。 想建立一个成熟的投资体系，最重要的就是数据和策略。 尽快的调整自己的投资策略。避免被割减少被割的次数。 default-storage-engine=INNODB # 默认使用“mysql_native_password”插件作为认证加密方式 # MySQL8.0默认认证加密方式为caching_sha2_ # 安装MySQL服务 msyqld --install # 启动服务 net start mysql 注意：在启动服务前需要管理权限，而且执行命令需要到mysql/bin目录下，否则会提示系统错误2。
2.1K22发布于 2020-09-23 - 来自专栏CDA数据分析师
译文 | 量化投资教程：投资组合优化与R实践
假设回报是正态分布的，那么投资组合方差将是： Vp = WTLT 2*σ2TLT+ WSHY 2* σ2SHY + WTLT* WSHY * σTLT * σSHY *CorrTLT,SHY Where = c(“xom”,“ibm”,“ief”) mp = marketPortfolio(merged,.02,vars,vars2,graph=TRUE) mp 日志的输出是: 创建的图: 结论 这个投资组合优化的给了我们一个发现更低边界例子 组合优化策略 这是我们的投资组合优化策略: 1.每个季度初,用上一季度收益计算市场投资组合。 2.对当前季度使用当前组合。 3.下个季度的开始,循环回到第一步 4.在我们的投资组合中至少需要3个股票。 5.没有做空。 6.用2%作为无风险利率。 7.每次分析的第一个季度如果优化失败就使用同等权重的投资组合。 } # 返回市场投资组合权重、eStd 、eR out = solution[idx,] return (out) } 改进之处 我们的改进之处: 1.如果我们需要可以添加一个调试选项打印输出 2.
2.3K81发布于 2018-02-24 - 来自专栏数说工作室
量化投资中关于复权的处理 | 【量化小讲堂】
【量化小讲堂-Python、pandas技巧系列】量化投资中关于复权的处理 作者：邢不行 原文链接： http://bbs.pinggu.org/thread-3924170-1-1.html （本【量化小讲堂 】系列已获作者授权转载，如需转载请与原作者联系） ---- 最近惊讶的发现很多同学对如何在量化投资的实战中如何处理复权、除权等问题，其实不是非常了解，耽误很多事情，所以本文专门来详细的讲一下这个问题。 -2%) * (1+3%)... 例如万科A(SZ000002)在2006年2月8日的前复权收盘价是0.56，2月9日的前复权收盘价是0.48，那么2月9日的收益是0.48/0.56 - 1 = -14.29%，但是实际上8号、9号的真实收盘价是 但是实际上，这0.184元不会全部到投资者的口袋里，而是会扣掉10%的所得税（不同投资者扣得税还不一样），所以投资者得到的分红只有0.184 * (1 - 10%)，那么更加准确的分红方式应该是：(89.00
3.6K81发布于 2018-04-04 - 来自专栏PPV课数据科学社区
十年量化老兵谈量化：玩转量化投资你需要这些技能
【投研体系】“量化老兵投资体系三大支柱” 问：您这些年一直是做量化投资的，能否讲讲您的量化投资体系？ 持有封基：我入市整整十年，一直是量化投资。基本面、技术面，只要能吃饱的都是一碗好面。 这些看似和量化投资关系不大的思想理念，其实是非常非常重要的，绝大部分投资者缺的不是量化投资，也不是价值投资和趋势投资，而是这些更高层面的东西，有了这些指导思想才能在中国A股中拿了一把量化小手枪，在充斥着大刀长矛的江湖上浪迹天涯 “做好量化投资：有数学天赋很重要” 问：你做量化差不多十年了，在您看来要做好量化投资，需要做些什么准备？ 持有封基：除了热爱投资，还需要热爱数学，热爱量化，这是最根本的。 为了避免过度拟合，一个是能用简单的不要用复杂的，比如说同样达到目的，2个参数比4个参数要好，一般超过10个参数了就非常可能过度拟合了。 很多人，包括雪球上的很多大V只知道在股市里做股票，不知道我们这个账户除了买股票还可以买性价比远远超过P2P、银行理财的债券、买佣金只有万1没有印花税的场内基金、买T+0的权益类产品可转债等等。
2.6K61发布于 2018-04-24 - 来自专栏CDA数据分析师
量化投资教程：用R语言打造量化分析平台
概述 和Python计算环境中的tushare包一样，在R中我们使用quantmod包接入第三方数据源，实现自定义量化分析平台的构建。 本文打算以陌陌的股票分析为背景，介绍如何通过quantmod包构建专属的量化分析平台。 "MOMO"),up.col='red',dn.col='green',TA="addVo(); addADX();addMACD(); addSMA(n=10);addBBands(n=14,sd=2,
2.8K90发布于 2018-02-08 - 来自专栏量化投资与机器学习
ChatPDF：解读量化投资论文我可以！
前言 本文主要讲了一种基于深度学习的股票投资组合构建和收益率预测方法。 在本文中，我们使用Distributional Prediction来预测股票收益率的分布信息，并利用现代投资组合理论提供的最优投资组合标准来构建投资组合。 }\left(\tilde{\boldsymbol{y}}_t\right)=\frac{1}{Q-1} \sum\left(\tilde{y}_t^{(j)}-\hat{\mu}_t\right)^2 通过与其他基准方法进行比较，包括传统投资组合理论和现代深度学习方法，我们证明了我们提出的方法可以显著提高投资组合的收益率和风险控制能力。 2、ChatPDF可以作为一个随时交流的助教，学习中有任何问题可以随时问它，特别是对于论文中涉及有没有详细说明的知识点。
1.2K20编辑于 2023-04-20 - 来自专栏数说工作室
浅谈机器学习、量化投资 与 TensorFlow
随着再度升级的AlphaGo战胜了柯洁大魔王，最近很多金融媒体又在热烈的讨论将人工智能运用到量化投资领域，小密圈和QQ群里也有很多朋友对此很好奇。 其实在80年代的时候，华尔街就已经将人工智能技术运用到投资上去了。最新技术第一应用场景肯定是金融投资领域。 最近一直在思考， 怎么才能给没有任何基础的人，深入浅出的讲解清楚人工智能？ 在6月8日的时候，我做了一次直播《浅谈机器学习和量化投资》，主要聊了以下内容： 机器学习可以做什么？ 机器学习如何解决量化投资问题？
1.5K100发布于 2018-03-28 - 来自专栏量化投资与机器学习
Transformer在量化投资中的应用
我们还认为，机器学习模型可能会给量化投资带来一些计算优势，例如捕捉非线性关系和时间依赖性的能力。 在这种情况下，我们将面临失去多元化的问题，这是量化投资中最重要的一点之一。 我们认为，这是一个非常适合机器学习在量化投资中的应用的解决方案，在量化投资中，数据的质量和数量相对低于行业，我们无法找到一个明确的规律来全面描述市场中的行动。 模型复杂性的牺牲将通过量化投资的多样化得到补偿。 这将为一个新的研究领域打开大门，以捕捉财务数据中更复杂的关系，并改进量化投资策略。
3.6K30编辑于 2023-04-20 - 来自专栏PPV课数据科学社区
量化投资：深入浅出量化对冲Alpha基金的操作
由此可见，广义来看所有采用量化投资策略的产品（如普通公募基金、对冲基金等等）都可以纳入量化基金的范畴。 2.对冲 “对冲”一词最早出现于1949年，指通过管理并降低组合系统风险以应对金融市场变化。 2、量化对冲产品的操作流程是怎样的？ 先用量化投资的方式构建股票多头组合，然后空头股指期货对冲市场风险，最终获取稳定的超额收益。 2、怎样才能区别好的量化对冲策略与一般的策略？ 好和不好要看和投资者的契合程度，对于追求稳健收益的投资者来说，市场中性策略的量化对冲产品是最合适的。 我国范围内：2014年以前，量化对冲私募发行主要依托信托平台、及券商资管平台；2014年以后，《私募投资基金管理人登记和基金备案办法（试行）》实行，截至2015年2月7日，国内已完成登记的私募基金管理人为 综上，对于量化对冲，理解产品属性，长期持有是应对风险最好的办法。 2、量化对冲风险控制是如何做的？
1.8K31发布于 2018-04-20 - 来自专栏量化投资与机器学习
ChatGPT：搞『量化投资』我是认真的！
近日，QIML分享了一篇关于ChatGPT撰写量化书籍的文章，引起了强烈反响：ChatGPT真猛！直接写了一本量化交易的书为此，QIML与ChatGPT进行了深度测试，来看看它到底适不适合干量化！ 关于量化研究如何使用风险模型进行组合优化，ChatGPT提到了常用的组合优化模型，其中也包括风险平价模型，并主动给出了使用cvxpy进行优化求解的实例代码。 当问到如何有效的评估因子时，ChatGPT竟然能够主动给出分组测试的代码：关于另类数据给出另类数据在因子投资中的相关应用，回答中规中矩：特别针对供应链数据在因子投资中的应用，ChatGPT的回答确实给了我们有用的参考 ChatGPT虽然无法完成复杂的策略构建并直接生成稳健的量化策略，但可以极大的提高量化研究人员获取知识的效率。在日常研究过程中，ChatGPT可以作为我们得力的助手！ 量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。
1.9K80编辑于 2023-02-08 - 来自专栏AI派
如何应用机器学习在量化投资领域
这个玩意就是今天的主题：量化投资（量化交易），要说什么是量化投资，简单一句话来说，就是通过程序来制定各种规则和策略，来实现自动交易。 2量化投资中的目的 你可能会想，现在投资的手段这么多，用得着用机器来搞么。你还真别小瞧这玩意，量化投资的目的是为了跑赢市场基准回报，也就是说运用成功的话，可以比普通的投资手段挣更多的money~~。 此外，既然投资“投资”字样，也就是说，适用范围很广：股票、债券、大宗物品等等。 3机器学习在量化投资中的优势 在人工智能大火以前，这玩意在国外已经火了很多年了。 就这样，机器学习与量化投资就挂上了关系。 将机器学习应用在量化投资领域，最大的优势就是可以发挥机器学习的能力，使用机器来发现人类不容易发现、不容易解释的规律。 至于金融知识嘛，既然是搞投资，不懂金融还谈什么投资。 5资料福利 上面的所有都只是关于量化投资以及机器学习在该领域应用的理论简介。
1.2K80发布于 2018-04-11 - 来自专栏量化投资与机器学习
ChatGPT：搞『量化投资』我是认真的！
近日，QIML分享了一篇关于ChatGPT撰写量化书籍的文章，引起了强烈反响： ChatGPT真猛！ 直接写了一本量化交易的书 为此，QIML与ChatGPT进行了深度测试，来看看它到底适不适合干量化！ 关于量化研究 如何使用风险模型进行组合优化，ChatGPT提到了常用的组合优化模型，其中也包括风险平价模型，并主动给出了使用cvxpy进行优化求解的实例代码。 当问到如何有效的评估因子时，ChatGPT竟然能够主动给出分组测试的代码： 关于另类数据 给出另类数据在因子投资中的相关应用，回答中规中矩： 特别针对供应链数据在因子投资中的应用，ChatGPT的回答确实给了我们有用的参考 ChatGPT虽然无法完成复杂的策略构建并直接生成稳健的量化策略，但可以极大的提高量化研究人员获取知识的效率。 在日常研究过程中，ChatGPT可以作为我们得力的助手！
1.4K70编辑于 2023-04-20 - 来自专栏量化投资与机器学习
Two Sigma：序列深度学习与量化投资
量化投资对很多人来说似乎很神秘，以至于大家经常把投资过程本身称为一个“黑盒子”。 此外，量化投资的复杂性不断增加，如今Two Sigma和其他公司经常在过程的各个部分使用强大的深度学习技术，根据大量数据做出决策。 即便如此，这个过程也不一定像人们有时想象的那样神秘。 David kriegman教授在本次网络研讨会，阐明Two Sigma研究人员如何将序列深度学习应用于量化投资。 正如David Kriegman解释的那样，量化投资过程地分为特征提取、预测单个资产的收益、投资组合配置和交易执行等步骤。 但在量化投资的应用并没有深度学习那么广泛。
1.3K40发布于 2021-12-02 - 来自专栏量化投资与机器学习
GPT用得好 ≠ 量化投资做得好
量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。 机器学习是量化投资一个非常关键一环，但其只是整个量化投研框架中的一部分，它是很重要，但它只是其中的一个部分！ 这里我们引入另外2个话题： 1、一个从互联网科技大厂去量化对冲基金的工程师可以顺风顺水吗？ 2、硬件算力强就代表量化投研能力强吗？ 我们结合起来回答： 算法是对世界的简化，通常是高度参数化的。 GPT用得好 ≠ 量化投资做得好 假设GPT发展到终极阶段，他可能会成为一个很聪明的人，但量化投资领域是一个认知比拼的领域（意思就是说得有人告诉他很多很多的细节该怎么做）。 当然，GPT对量化也有一些帮助，例如debug代码，帮你写一些基础的东西等等，在此不再展开讨论。 最后，GPT可以是一个很好的工作帮手，但在量化投资领域，目前它不是一个最优的解决方案！
46610编辑于 2023-12-05 - 来自专栏全栈数据化营销
Excel量化分析案例：投资组合收益与风险量化分析
证券和股票市场的投资决策本质上就是一种在回报收益和投资风险之间权衡的决策。投资者需要早不同的投资产品间做出选择，同时也要考虑在选择出的投资产品上投放的资金比例，选择结果组成了一个投资组合。 传统的投资组合收益与风险分析集中在两个关键统计量上：均值和方差。均值是指投资组合的期望收益率，是组合中所有投资产品的收益率加权平均；方差指的是投资组合收益率的方差，用以刻画收益率的变化和风险程度。 根据投资组合理论，一个理性的投资组会在给定方差水平下调整投资组合资金投放比例使得期望收益最大化，或收益方差最小化。 假设一个投资者有初始投资资金200万元，经过分析，他选择了4个投资产品：大盘股、小盘股、国际股和政府债券，每个投资产品的期望收益率和收益标准差如下图： ? 2、计算2022年该投资组合的期末余额。 3、优化投资组合，使得收益率最大。 4、在收益率标准差小于等于1.5%的条件下优化投资组合，使得收益率最大。
4.8K10发布于 2020-04-30
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号