0.策略名词解释

（1）LightGBM模型

LightGBM（Light Gradient Boosting Machine）是微软开源的一种基于梯度提升框架的高效实现。它主要用于机器学习中的监督学习任务，如分类、回归和排序等问题。本策略中使用的是回归。

githu

已挖掘的因子如下:

[

'因子 c_zscore((volume / turn)) 的 IC 为 0.015, 因子累计收益为 0.194, 年化收益为 0.097, 夏普比例为 0.551, 年化波动率为 0.206, 最大回撤为 -0.223',

'因子 c_zscore((c_z

折腾了几天，终于把3个模型的训练和比较都弄完了，走了很多弯路，训练模型也耗费了大量的时间，虽然作业完成得慢一些，但是在做的过程中得到了很大的提高，主要有以下几点心得：

1、对整个AIStudio工作环境更加了解，各个功能也都再熟悉了一遍，操作更顺手了

2、在完成作业过程中遇到过很多不明白的问题，

注：当前仅支持万和证券BigTrader量化交易终端

功能描述

本功能实现了从云端（bigquant.com）策略信号生成到终端自动获取并下单的完整闭环。用户在BigQuant云端平台运行量化策略后，系统会自动生成交易信号，用户在本地终端通过Python程序自动获取这些信号，最终将

1、请回顾你过去的交易经验，选择一个你曾经使用过的交易方法，尝试用量化的方式重新表达出来（用文字描述，无需代码实现）.。

1.SMA 及EMA 的黄金叉
2.短线向上破长线购入
3.移动止蚀，设为当前X滚移标准差的n倍
4.若当前止蚀高于记录的最高止蚀,设最高止蚀为当前止蚀.
5.跌破止蚀

一 什么是一致性风险度量

风险度量:是金融领域中量化资产或组合潜在损失的工具,核心是用数值描述未来可能发生的损失大小或概率,帮助投资者判断风险高低

普通风险度量是指未经过严格公里约束,仅从直观或经验出发设计的风险指标,常见的有:波动率(标准差),风险价值(VaR)

1、请用自己的话解释什么是量化投资。

使用数据化、数据科学,统计, 投研结果，使用系统化数据收集及回测，及使用程序交易方法投资。

\

2、请你列出你认为的量化投资的优势和劣势。

优势:

1.系统化,

2.理性，

3.evident-based,

4.可分散风险

缺点:

BigQuant进行期货实时交易

\

1. Simnow官网创建注册获取交易交易账号；

(1) https://www.simnow.com.cn 登陆Simnow官网，点击右侧的注册账号

(2) 填入关键信息，手机号、密码等注册账号（==请务必记住自己的密码，后续绑定

多轮因子评估后，因子计算方式复杂，模型容易出现幻觉，将数据表信息，补充到上下文中。

将模型修改为kimi：

• api_key="sk-",

• base_url="https://api.moonshot.cn/v1"

• model="kimi-k2-0711-preview",

  \

0. 策略名词解释

（1）CatBoost模型

CatBoost 是由 Yandex（俄罗斯的一家互联网公司） 开发的一个 基于梯度提升（Gradient Boosting） 的机器学习库，主要用于 分类、回归、排序任务，以处理结构化数据为主。它的名字来自 “*

用了稳定性测试后的因子；

三个因子的权重，也是用稳定性工具对3个参数进行网格搜索的最优解1：8：1；

将仓位分配模块删了，相关信息写到了交易引擎的前处理部分；

时间跨度从22年初至今，3年周期的表现比较一般、但真实；

增加了大盘风控和个股止盈止损。

[https://bigquant.

总结

因子更重要还是模型更重要？

因子和模型同样重要，模型相同的情况，不同因子在回测中，差异巨大。相同因子在不同的模型下进行回测，表现也各不相同。

一个好的策略，是因子和模型共同组合得到的。

本次作业的三个模型对比：

• Random Forest：鲁棒、易调、抗过拟合，但“

我们在做什么？

这是一项关于项目团队中人与 AI 协作的学术研究，关注在真实工作中人机如何互补、哪些做法更有效。仅用于学术统计分析。

谁可以参与？

金融/金融科技从业者（银行、投资、保险、支付、合规/风控/市场基础设施等）；

或近 12 个月参与过人与 AI 协作项目的从业者（非金融领域也欢

https://bigquant.com/codesharev3/56dcbce6-f9c4-4dfe-9a34-c0510cf56323

\

https://bigquant.com/codesharev3/344ef1e3-564d-4479-9153-00aae1011c30

\

https://bigquant.com/codesharev3/544c97ae-d3c1-4bc0-92d6-b0e9dd09cef0

\

https://bigquant.com/codesharev3/5e8b026e-dcb4-45b6-84c0-148fdf5a17ba

\

直接取了小市值作为因子，训练了因子与未来10天收益率的关系。代码水平和时间有限，仅到能运行的程度，后续还需要很多时间继续优化。

[ https://bigquant.com/codesharev3/dcd2ef10-85d6-46fa-ba73-1ada53f6f300]( https://big

一、作业结论：

本次作业采用了线性回归和xgboost两种模型：

年收益分别是：线性回归30%、xgboost 52%。

二、作业过程：

1、搭建模型的框架

（1）框架的模型是按照“滚动训练策略”搭建起来的

（感受：原本自己在结合AI 搭建的，后来因为处理各种各样的错误花了很多时

我设置了卖出持有超过5日的股票，而且每天都在做股票池子筛选不知道为什么模拟交易的时候没有进行实际调仓

文档源码：

[https://bigquant.com/codesharev3/7bc0bca0-ca32-4bde-9b1e-9bc6ebd2d0aa](https://bigquant.co

按照本次作业要求，我根据笑宇老师的讲解及给的模版，借住AI编程，分了几个步骤，完成作业如下：

1、先根据之前老师的讲解，选择小市值因子、换手率因子等有效因子，构建策略因子组合，时间关系选了4个，后续可以用老师讲解的因子分析表替换可能的有效因子\n2、基于笑宇老师给的模版，运用AI完成线性回归策略，

1、请用自己的话解释什么是量化投资。

答：我觉得，就好像是用一套具体的的数学公式来代替人去选股票，个人的话通常是凭感觉决定买不买。而量化投资就像是给投资做了一套标准化的步骤流程，用很多数据，然后把这些数据输入到一个模型里。这个模型会像根据设定好的规则，做出买卖决策。

2、请你列出你认为的量化

因子概述 ABN TURN（异常换手）：衡量股票近期换手率相对于长期换手率的异常程度，计算方式为过去20个交易日平均换手率除以过去250个交易日平均换手率。

-1 * m_avg(turn, 20) / m_avg(turn, 252)

因子回测报告

1. 因子可信度：中等偏弱，