\
更新时间:2024-03-19 07:27
"反转因子"通常指的是一种预测证券价格短期内可能发生逆转的因子,即预测那些最近表现较差的股票在未来会表现得较好,而最近表现较好的股票在未来会表现得较差。
更新时间:2024-02-29 07:35
/* 使用DAI SQL为量化模型预测生成标签数据。标签反映了未来5日的收益率,并且被离散化为20个桶,每个桶代表一个收益率范围。这样,我们就可以训练模型来预测未来的收益率范围,而不仅仅是具体的收益率值。
更新时间:2024-02-01 08:26
更新时间:2023-11-13 02:20
\
**徐啸寅
更新时间:2023-11-02 07:29
如何把次日开盘数据加入策略?比如竞价金额,竞价成交量。开盘涨幅。
更新时间:2023-10-17 01:36
请教一下大佬们,
对于有些bigquant内置变量,是可以直接作为特征变量导入的。
但是对于财务数据和宏观数据等,只是可以读取,不知道怎么用于模型。
比如m2、研发支出,在数据库中是有的,也可以读取,但是不知道怎么调用
谢谢
更新时间:2023-10-09 06:30
看到好多策略的择时是根据大盘的5日下跌来的,有时候想参考其他的,比如上证是否站上5日线,是否大盘均线交叉等等,由于摸索起来有点困难,希望有大神指导一下,怎么在回测时增加上面的处理,感谢!!!
更新时间:2023-10-09 06:08
如题,前期的教程,目前好像失效了
更新时间:2023-10-09 03:36
更新时间:2023-09-27 02:30
更新时间:2023-09-22 01:47
本文来源于清华大学量化协会alpha学术小组经管学院@llleafer同学的整理。目前量协已经开设了多个学术小组,涉及金融物理学、统计套利、alpha策略、波动率预测、期权研究、舆情NLP分析、增强学习、高频机器学习等多个方向。
欢迎对量化交易研究感兴趣的在校硕博及优秀本科生(数学、物理、统计、计算机、金融、电子等专业)私信我加入小组参与研究。
Black-Litterman模型是基于MPT基础上的资产配置理论。BL模型在隐含市场收益率和分析师主观预测信
更新时间:2023-06-14 03:02
前一段时间,李腾、陈烨、邓岳、陈志岗几位老师在知乎上发布了一份多因子模型的测试题,其中囊括了多因子建模过程中大部分需要考虑的理论和实践问题:
在过去几个月时间,RQ量化策略团队对这套经久不衰的量化模型进行了系统研究。由于我们一贯追求完美的工匠精神,相关的产品项目好像还需要一段时间才能发布。。。可这又有什么关系呢?毕竟等待过的东西才是最好的——如美酒,如家书,如高中教室窗外的顾盼倩影。
在数日前,我对测试题的因子部分进行了试答:
[多因子模型水平测试题试答(因
更新时间:2023-06-14 03:02
报告《市场微观结构系列(2):高频视角下的微观流动性与波动性》中,我们利用tick级别的价量数据构造了描述股票交易微观结构、微观流动性、微观波动率的指标,并对市场的微观特征及近期发生的变化进行了分析。本篇报告则回到量化投资的框架中,探究股票微观特征因子在各类量化模型中应用的有效性。
因子测试:推荐关注集合竞价成交量占比因子和微观流动性因子
更新时间:2023-06-14 03:02
预计算因子:直接可拿来用
链接:https://bigquant.com/wiki/doc/yinzi-b9voNK2tnq
数据源检索:具有比较丰富的数据,但需join或者其他处理才可以作为因子使用
链接:https://bigquant.com/wiki/doc/-tOnkTw9FhH#h-财报数据
\
更新时间:2023-06-06 03:07
如何在AI策略中加入大盘指标因素,比如,大盘走坏时,不开仓
https://bigquant.com/experimentshare/b6f174124d3e4c33bdd683498f5d44a9
\
更新时间:2023-06-01 02:13
\
更新时间:2023-05-11 03:12
• 点击新建对话,创建一个新对话
• 点击输入框,开始与QuantChat交流
• 您可以直接输入以下对话
![{w:100}](/wiki/api/attachments.redirect?id=df515aaf-cef1-460
更新时间:2023-05-04 02:33
更新时间:2022-11-20 03:34
所有量化模型都在试图捕捉市场的规律,在训练模型的过程中,不可避免需要去拟合样本内的一些场景。规律是金融市场客观存在的,还是从样本数据挖掘所得到的,是所有量化模型都需要直面的问题。高频策略和低频策略的不同特征使得策略评价层面存在差异,低频策略的有效性评判所需时间更长、难度也更大,甚至每一次投资决策的结果都可能是胜负的关键。因此低频策略的收益来源和逻辑支撑显得尤为重要。常见的低频择时策略可能在匹配资产背后的特定频谱,或存在大级别行情贡献了短期收益。
更新时间:2022-10-24 10:30
本篇报告聚焦于宏观状态的识别及其在行业轮动上的应用。报告采用量化模型结合主观逻辑的方法,并通过中观重点指标验证宏观状态,构建了宏观视角下的大类行业轮动模型。
作为行业配置的前提,我们需合理划分特征相似的大类行业板块。将不同市场行情下的收益率、ROE、营收增速等数据作为板块特征,结合K-Means、模糊C-均值聚类进行行业的聚类,通过少量逻辑调整将行业划分为周期上游、周期中游、周期下游、可选消费、一般消费、金融、科技七大板块。
我们采用经济、通胀、货币等宏
更新时间:2022-10-09 10:34
\
更新时间:2022-08-31 01:47
自2018年以来,大小盘风格的波动极为剧烈。因此,预判大小盘风格对于获取稳健的投资业绩显得尤为重要。前期研究成果表明,利率水平的变化与市场波动率是两类较为有效的大小盘风格先行指标。因此,本文基于上述两类指标构建了量化模型,预测未来1个月大盘强于小盘的概率,从而辅助大小盘风格轮动。
2018年以来模型预测得到的大盘概率持续回落,短期内小盘风格更优。为了兑现这一判断,需要选择合适的能够代表小盘风格的指数。在实际操作中,我们推荐投资者从多个角度对于备选指数进行分析,并以创业板50指数为例进行了简要讨论。
短期限利率水平变化和市场波动率对于短期大小盘风格具有明显的预测效果。使用2
更新时间:2022-08-30 10:45
行为金融一直是近几年学术领域的研究热点,而笔者作为二级市场的观察者与研究者,也一直关注与思考如何将行为金融领域中的理论或逻辑应用到投资中来。
本篇作为行为金融与量化工具结合的开篇研究,介绍笔者在量化指标研究领域的心路历程,同时以索罗斯经典的“反身性”理论与笔者常用的量能指标结合,开发出一套具备宽基指数择时能力的指标体系。
[/wiki/static/upload/ab/ab50ebf0-5f00-459a-adf8-1ae626b0d9f7.pdf](/wiki/static/upload/ab/ab50ebf0-5f00-459a-adf8-1ae626b0d
更新时间:2022-08-30 09:57
有哪些合理的大盘风控方案?
https://www.bilibili.com/video/BV1TF41167ph?share_source=copy_web
[https://bigquant.com/experimentshare/07791ba8fc354d4e9793ce963a735263](https://bigquant.com/experimentshare/07791ba8fc354d4e9
更新时间:2022-05-31 07:08