- 综合排序
- 最热优先
- 最新优先
- 来自专栏奇点大数据
话说量化（6）
各位读者朋友大家好，浪了半个多月之后我终于又开始了我的随笔了，感谢大家的关注。我们言归正传，上次说了通货膨胀，这次我们来说说货币的形式。
40030发布于 2018-10-23 - 来自专栏EmoryHuang's Blog
量化分析因子研究
量化分析因子研究 前言 所谓的因子也就是某个衡量标准，选择不同的因子作为选股的参考，往往会得到不同的结果，本文简单介绍了一些因子以及它所表示的意义。 收盘价_{当期} - 收盘价_{三月前}) / 收盘价_{三月前}MTM3=(收盘价当期−收盘价三月前)/收盘价三月前 最小 1% 优于最大 1%，最小 5% 优于最大 5% 六个月动能(MTM6) MTM6=(收盘价当期−收盘价六月前)/收盘价六月前MTM6 = (收盘价_{当期} - 收盘价_{六月前}) / 收盘价_{六月前}MTM6=(收盘价当期−收盘价六月前)/收盘价六月前 最小 最小 1% 优于最大 1%，最大 5% 优于最小 5% 震荡(FLUC) 参考文献 因子研究系列之一 – 估值和资本结构因子 因子研究系列之二 – 成长因子 因子研究系列之三 – 技术因子
1.3K20编辑于 2022-10-31 - 来自专栏量化投资与机器学习
Winton：量化研究中的『实验研究』与『观察研究』
前言 量化投资研究类似于自然科学研究，因为它试图通过对数据的实证分析来研究市场现象。研究人员通常使用为科学分析而开发的技术来预测市场走势并构建新的交易策略。 实验研究与观察研究 对于量化投资来说，进行科学的研究的一个重要方面是实验研究和观察研究啊之间的区别。实验可以多次重复，以生成可比较结果的大数据集。 因此，实验研究和观察研究代表了两种不同的量化投资方法。实验研究包括寻找具有更高夏普比的更快的策略。单独来看，这些策略的交易能力有限，因为它们相对频繁的交易会产生交易成本。 我们总结了下表中的一些主要差异，以了解不同的量化投资经理所使用的方法： 尽管Winton在过去几年里在实验研究方面做了更多的工作，但从历史上看，我们的方法更多的是观察研究。 结论 量化研究方式是多种多样的。
52230编辑于 2023-04-20 - 来自专栏炼丹笔记
量化研究--时序分类最新NN框架ShapeNet
对shapelet的穷举搜索可能不准确； 不同的变量的Shapelet候选有不同的长度，这样的Shapelet事很难比较； 大多数现有的研究都是基于黑盒的方法，很少有方案能提供可解释的方法； 02 ShapeNet
1.7K50发布于 2021-09-24 - 来自专栏量化投资与机器学习
Quant 4.0：你的量化研究处于哪个时代？
在IDEA最新研究报告中首次提出了Quant 4.0的研究流程，在深度学习不断融入量化研究的时代，非常值得处于量化行业的我们仔细研读。 欢迎留言讨论 - 你们公司的量化研究处在哪个时代？ ▌传统的量化研究流程 下图蓝色部分为传统量化研究的流程，其中包括数据预处理、因子挖掘、建模、组合优化、执行及风险分析。 1、数据预处理 数据预处理通常是量化研究的第一步。原始数据可能存在许多问题。 大多数量化研究人员一年只能发现有限数量的“好”因子。 6、风险分析 风险分析是量化研究和量化交易不可缺少的一项任务。为了更好地控制量化研究和交易中不必要的和有害的风险，我们必须发现和理解每一个可能的风险暴露。 ▌自动化的AI量化研究流程 Quant 4.0的自动化量化研究流程如上图（橙色部分）所示。
1.6K21编辑于 2023-06-07 - 来自专栏量化投资与机器学习
我把量化研究员给拆了！
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。 为了写一份研报，近日，某卖方的相关研究员拆了一辆比亚迪，又拆了一辆特斯拉。 那拆的下一辆车会不会是Taycan呢？ 光这拆车的功夫，估计建材研究员已经卸了两车水泥了！ 不得不感叹，卖方研究员真的是： 太卷了！ 既然，券商都这么卷了，那私募也不能放过，看看我们量化圈都能拆些啥~ 量化研究员拆了因子 除了风格，还剩什么？ 交易员拆了交易所 请问里面的伙食还好吗？ 量化工程师拆了GPU 二手卡还值钱吗？ FOF研究员拆了基金经理 你有几个Beta呀？ 量化拆了主观 你是真牛B，还是吹牛B呀? QIML拆了假大师 您得EQ可真高啊！ 以上内容纯属虚构！
44920编辑于 2022-07-19 - 来自专栏量化投资与机器学习
卡方科技 | 量化研究员招聘（实习）
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。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者。
85130编辑于 2022-07-19 - 来自专栏量化投资与机器学习
满风资产 | 量化研究员招聘（实习+全职）
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。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者。 公司介绍 满风资产成立于 2015 年（牌照号P1015262），是一家专注于国内市场量化投资策略的资产管理公司，由资深投资专家领航，在机器学习、深度学习技术应用于量化策略方面成效斐然，核心产品业绩业内领先 工作地点 上海 量化研究员（实习生/全职） 职责描述 1、紧跟人工智能领域前沿，利用机器学习和深度学习框架探索新的投资交易策略，推动公司现有量化策略与算法的改进； 2、作为团队成员，参与完成股票高频量化策略的开发与管理 机器学习的理论和应用有深刻理解，具备大规模数据场景中的应用经验； 3、 熟练掌握 python，了解 Linux 操作，良好的 coding 能力、算法能力，熟练使用pytorch 或tensorflow； 4、对量化分析感兴趣
63040编辑于 2022-06-16 - 来自专栏量化投资与机器学习
G-Research：量化研究员面试『真题』
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。 G-Research是欧洲领先的量化对冲基金，对于量化研究员的招聘一直非常严苛。对于量化研究员的面试准备，G-Research也给出了比较明确的指导。
1.7K20编辑于 2022-03-03 - 来自专栏量化投资与机器学习
科研型Quant：流水线模式的量化研究
从初入量化行业所可能遇到的问题和挑战，谈到了当前量化机构的两种模式，投资经理模式和流水线模式。 作者认为，在机器学习时代，流水线模式的量化研究更适合Quant的职业发展。 像科研一样做量化策略的研究，才是最符合这个时代量化投资机构的发展路径。 金融行业技术及人才需求的变革 Marcos首先回顾了过去100多年，投资行业所使用的技术和所需技能的演进。 Marcos阐述了金融研究相比科学研究最显著的五个困境： 实验的障碍：相对于传统科研，量化策略的研究并没有那么明显的因果推断关系，很难使用传统的控制变量法。 以实验室的形式，通过不同分工进行量化研究，是Marcos所推崇的模式，他认为这种模式相对Solios模式有很大的优点： Assembly Line模式把整个量化研究分成了多个部分，具体可以参考Marcos Marcos认为，在这样一个Quant研究朝向团队合作发展的情景下，2-3人的量化团队将更难生存，因为随着技术及算法的发展，很难有人能够独自掌控整个量化策略研究到生产的全过程，即使有这样的人，在面对大型团队的时候
1K30发布于 2021-09-17 - 来自专栏量化投资与机器学习
【Python量化投资】基于技术分析研究股票市场
维基百科中定义如下，金融学中，技术分析是通过对过去市场数据（主要是价格和成交量）的研究预测价格方向的证券分析方法。 下面，我们着重对事后验证过去市场数据的研究，而不是过多低关注对未来股价变动的预测。 我们选取的研究目标是标准普尔（S&P）500指数，这是美国股票市场有代表性的指标，包括了许多著名公司的股票，代表着高额的市场资本，而且，该指数也具有高流动性的期货和期权市场。
2.1K90发布于 2018-01-29 - 来自专栏量化投资与机器学习
大数据之微信公众号深度量化研究
为何使用微信公众号 微信公众号相对于其他信息源的主要优势在于其时效性和信息深度。 对于证券行业来说， 主要的大数据来源有财经网站（新浪财经，腾讯财经等），证券网站（东方财富，同花顺等）， 社交网站（微
1.7K80发布于 2018-01-29 - 来自专栏计算机视觉战队
量化新方法 | 模型压缩6倍，无需重训练
Vol.20. №3. pp. 194–200, 2011. https://doi.org/10.3103/S1060992X11030052.]论文中，他们研究了神经网络的裁剪操作和矩阵权值的量化， 为了处理大量数据，这一领域的研究者必须发明各种方法来降低对模型能力的需求，包括所谓的量化。这有助于减少资源消耗，但需要对系统进行重新训练。RUDN 大学的一些数学家发现后者可以避免。 ? RUDN 大学 Nikolskii 数学研究所助理教授 Iakov Karandashev 博士说：「几年前，我们在 Hopfield 网络中进行了有效且经济高效的权重量化。 在该研究的实验中，数学家使用了包含 5 万张照片的数据集，这些照片包可以被分为 1000 组。训练之后，该网络会使用新方法进行量化，并且不进行重新训练。 然后，该研究将实验结果与其他量化算法进行了比较。 RUDN 大学的 Iakov Karandashev 补充说道：「量化之后，分类准确率仅降低了 1％，但是所需的存储容量减少了 6 倍。
92610发布于 2021-03-13 - 来自专栏量化私募笔面试
东吴金科2024量化研究员笔试0402
1][2]) return dp[-1][-1]思路或想法欢迎在留言区交流最后介绍一下我们的知识星球每周发布私募、公募、资管、券商、期货、银行、保险等最新的笔面试题目和解析，发布行业前沿研究成果和最新量化资讯 量化策略：深入量化交易的世界，学习如何从零开始设计、测试和优化你的量化策略。提供丰富的案例和实践指导，帮助你打造出稳健的交易模型因子挖掘：分享如何在庞大的数据海洋中发现影响市场的隐藏因素。 将因子分析融入量化策略，增强模型的预测能力。组合优化：介绍如何通过组合优化提高投资组合的性能，包括风险管理和资产配置的策略。 高性能计算：分享如何应用高性能计算技术处理大规模数据集，提高计算效率3.不定期行业大咖分享：邀请量化投资与机器学习领域的行业专家，分享他们的知识、见解和经验。 无论你是量化投资和机器学习领域的初学者，还是已有深厚背景的专业人士，这里都将是你学习新知识、分享经验、扩展人脉的理想之地。
1.1K10编辑于 2024-06-26 - 来自专栏YOLO大作战
YOLOv8轻量化：模型轻量化设计 | 轻量级可重参化EfficientRep| 来自YOLOv6思想
考虑到真实环境中对速度和准确性的不同要求，作者广泛研究了来自工业界或学术界的最新目标检测进展。具体来说，从最近的网络设计、训练策略、测试技术、量化和优化方法中大量吸收了一些想法。 在 YOLO 作者的慷慨许可下，作者将其命名为 YOLOv6。作者也热烈欢迎用户和贡献者进一步增强。 YOLOv6-N 在 NVIDIA Tesla T4 GPU 上以 1234 FPS 的吞吐量在 COCO 数据集上达到 35.9% 的 AP。 YOLOv6-S 量化版本甚至带来了 869 FPS 的最新 43.3% AP。 此外，与具有相似推理速度的其他检测器相比，YOLOv6-M/L 还实现了更好的准确度性能（即 49.5%/52.3%）。
1.9K70编辑于 2023-11-08 - 来自专栏韩曙亮的移动开发专栏
【Cubase】Cubase 量化设置 ( 量化预置 | 长度量化 | 快捷键设置 | 量化开头 | 量化 MIDI 事件结尾 | 量化 MIDI 事件长度 )
文章目录 一、要解决的问题 二、量化预置 三、长度量化 四、快捷键及设置 1、快捷键及设置 2、量化开头 3、量化 MIDI 事件结尾 4、量化 MIDI 事件长度 五、对 MIDI 进行量化操作 本博客中的所有设置都是在 ; 三、长度量化 ---- 长度量化 参数设置 : 在下图 处设置长度量化 , 如果设置成 " 1/16 " , 那么使用鼠标拖动时 , 音符的长度只能是 16 分音符的整数倍 ; 上述的 量化预置 ; 2、量化开头 量化开头 : 默认按键 " Q " 是量化开头 ; 将所有音符的开始位置对齐到 " 量化预制 " 对应的格子中 ; 该设置是系统自带的 , 不建议修改 ; 3、量化 MIDI 事件结尾 量化 MIDI 事件结尾 : 首先选中左侧的 " 量化类别 / 量化 MIDI 事件结尾 " , 点击右侧的 " 输入快捷键 " 下方的输入框 ; 输入快捷键后 , 点击 " 指定 " " 快捷键 , 量化音符长度 , 此时音符都排列整齐了 , 音符开头和音符长度进行了量化 , 音符结尾自然也进行了量化 ;
4.6K00编辑于 2023-03-28 - 来自专栏量化投资与机器学习
HFT系列：基于限价订单薄（LOB）失衡的量化策略研究与工具
在本文中，我们将深入探讨这些问题，包括深入研究最近的学术研究，理解它们的方法。 这是一个非常有价值的问题，也是我们即将讨论的研究论文试图回答的问题。 本研究进一步证明了LOB失衡作为一种交易信号的潜力。它表明，这些不平衡可能对价格变化产生重大影响，尤其是在薄市场。 本研究为研究LOB失衡提供了新的视角。它表明，这些不平衡可以提供有关市场流动性的宝贵信息，这些信息反过来可以用来预测价格走势。这为我们理解LOB不平衡在交易中的潜在用途增加了另一层内容。 通过可视化LOB，交易者可以看到买卖订单之间的不平衡，并使用这些信息来预测下一个价格运动的方向，正如研究所建议的那样。
1.8K40编辑于 2023-09-05 - 来自专栏量化投资与机器学习
方正研究所金工团队 | 量化多岗位招聘（社招+校招）
岗位职责 量化选股、量化择时、风格轮动、行业配置、机器学习等相关策略的研究及开发，独立或协作完成量化策略的实现、改进和维护，完成报告撰写、客户委托、路演服务等工作。 岗位要求 1、0-6年相关经验均可，重点高校金融工程、统计学、计算机、数量经济等专业硕士/博士毕业。 ； 3、具备一定的财务基础知识，热爱量化研究，注重细节，勤奋务实，具备良好的沟通能力以及团队合作能力，喜欢卖方研究工作，适应卖方工作环境和工作节奏。 岗位要求 1、0-6年相关经验均可，重点高校金融工程、统计学、计算机、数量经济等专业硕士/博士毕业。 --- 金融工程实习生（考核留用） 工作地点 北上深三地均可 岗位职责 协助量化策略开发或基金研究课题研究，协助分析师完成数据库搭建、策略实现、改进和维护等工作。
80150编辑于 2022-03-28 - 来自专栏SEO的进步
生成式引擎优化（GEO）的技术原理、实施框架与效果量化研究
研究表明，专业的GEO优化能够将品牌在AI答案中的首推率从个位数提升至80%以上，并驱动商业询盘量实现数倍增长。关键词：生成式引擎优化（GEO）；AI搜索优化；大模型；语料优化；效果量化1. 服务下沉与工具轻量化：市场将从服务头部企业向广大“腰部”中型企业扩散。标准化SaaS工具与按效果付费（RaaS）模式将普及，基础套餐价格有望下降30%，显著降低中小企业采用门槛。6. 本研究阐明，成功的GEO并非简单的关键词堆砌，而是一个基于深度语义理解、动态数据洞察和持续算法博弈的系统工程。 生成式引擎优化行业发展纪实. 2025.[5] 阿里云开发者社区. 2025年GEO行业年度鸟瞰全景报告. 2025.[6] Scrapeless. GEO-AI时代的新战场. 2025.作者简介：本文作者系人工智能与数字营销领域研究员，长期关注生成式AI的商业化应用与技术伦理。
1.7K10编辑于 2025-12-12 - 来自专栏一点人工一点智能
6DoF视频技术研究进展
02 6DoF视频压缩与传输 6DoF视频有多视点视频、多视点+深度视频、光场图像、焦栈图像和点云序列等多种数据表示方式，本节根据各种数据表示方式的特点，对6DoF视频压缩与传输的研究进展展开介绍。 当前，6DoF视频传输优化的研究重心已逐渐从全景视频码流转向点云码流。随着数据量的显著增大，6DoF视频传输优化不仅需要考虑视口的自适应预测，还要在编码压缩时考虑到码流容错和纠错能力。 现有的虚拟视点图像绘制技术研究正向6DoF方向发展（Jin等，2022）。虚拟视点技术的相关研究与应用大部分还停留在水平基线绘制阶段。 从发展需求来看，未来的研发方向包括两个方面：（1）轻量化和低成本的视频采集系统。 2）6DoF视频压缩与传输。该方向的研究热点主要集中于高效点云压缩和数据传输策略。一方面，现有的点云压缩算法仍存在数据分布刻画难、场景先验利用少和计算复杂度高等挑战。
1.4K30编辑于 2023-08-25
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