作者简介

作者：shen1

简介：鼠、虎、主升浪等三个系列策略作者，已实现1+量化策略实盘

策略简介

今年8月份，市场整体行情较差，沪指跌了1.77%，深证指数跌了4.82%，创业板指跌了3.75%，虽然沪指跌幅较低，但市场上的个股跌幅较大。于是提出猜想：是否能找到比较抗跌的策略

导语

本文主要介绍高频特征抽取–由分钟到日频功能模块的使用。

模块简介

高频模块的意义

高频数据是目前顶级量化基金的重点布局领域，高频因子研究系统满足了用户可实现高频数据的挖掘需求，包括数据横向扩容、性能优化、高频因子抽取、分布式数据挖掘等功能。实现了从小数据、单机环境、

\

一、引言

Google在2017年发布了Transformer，截止2022年5月，《Attention is all you need》论文的引用量已经超过了4万，可以说是近5年最热门的论文。

Transformer最初发布是用于时序任务和NLP任务，在近年来也有不少Transfor

一、引言

DeepAlpha系列报告旨在从基础量价数据中，借鉴深度学习模型，应用于量化投资领域。学习模型包括：全连接深度网络(DNN)、卷积神经网络(CNN)、长短期记忆网络(LSTM)、对抗生成网络(GAN)、ResNet、TabNet，同时报告将引入自然语义识别NLP领域近年热门算法如BE

高频数据大规模计算场景是未来量化多因子选股的发展趋势。日频因子竞争日益激烈，领先的公募和私募基金已经将重心转移至tick\逐笔数据的研究上，因此本文帮助研究人员灵活使用BigQuant平台做自定义高频因子构建，更好地基于数十T规模tick数据做因子研究和策略开发。

本文介绍如何从日内高频数据中加

导语

RNN、LSTM和GRU网络已在序列模型、语言模型、机器翻译等应用中取得不错的效果。循环结构（recurrent）的语言模型和编码器-解码器体系结构取得了不错的进展。

但是，RNN固有的顺序属性阻碍了训练样本间的并行化，对于长序列，内存限制将阻碍对训练样本的批量处理。这样，一是使得R

\

前言

感谢BQ-小Q送的礼物，礼物已经收到拉，一如既往的黑盒高科技风。高端大气上档次。

![{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}](/wiki/api/attachm

策略思路逻辑

上一篇 在华泰的研报中，我们知道了

四类因子（流入类因子、流出类因子、主力净流入类因子、开盘主力净流入类因子）在选股上存在一定的实用性。

研报链接：[华泰单因子测试之资金流向因子](/wiki/doc/yinzi-ceshi-zijin-liuxiang-GaQ8l

作者：woshisilvio

策略思路

Alpha因子构成--大部分因子的来源

![{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}{w:100}](/wiki/api/attachments.redirect?id=36017065-

\

引言

动量因子在金融市场有着广泛的应用。动量因子始于Jegadeesh and Titman(1993)，且动量因子广泛存在于股票，期货，债券等市场中。学术界关于动量的争议也层出不穷。一方面，有人认为动量因子的出现违背了有效市场假说；另一方面，人们认为动量背后的成因是投资者对市场信息

摘要

在很多海内外文献中，均提到了在商品中偏度因子可以产生正收益。从表面上，偏度因子只是对行情描述的因子，它并不具备明显的经济学意义，更多的，人们认为偏度因子只是涵盖了一些交易层面的信息，通常预示着行情“涨过头”或者“跌过头”．但实际上，偏度因子一方面对投资者的效用函数有着一定的影响

组合优化器是宽邦科技为满足机构投资者对于股票组合优化、绩效归因、风险控制和指数增强需求而提供的一款优化器。

使用概览

1. 调用接口：T.PORTFOLIO_OPTIMIZERS
2. 每日初始化：T.PORTFOLIO_OPTIMIZERS.get_today_factor_data 3

简介

Transformer:Attention is all you need

paper: https://arxiv.org/abs/1706.03762

The naive transformer implemented here for financial time ser

{{membership}}

表名：patent_CN_STOCK_A

Q1:现在海内外量化实践有什么

**1、华泰人工智能系列研究：四年五主题四

主题：The Impact of AI to Global Asset Managers: The Responses and Adoptions

演讲人：关子敬 先生 Kevin Kwan彭博亚太区量化及数据科学专家

![{w:100}{w:100}{w:100}{w:100}](/wiki

\

策略简介

市场行情总是在变化，而一个模型一般只能适应一种市场，如果市场在多种行情中急剧切换，如何将多个选股模型融入到一个策略，并且根据当前行情自动切换模型进行量化选股？

本次以两种行情举例：

• 指数下跌向上反转时
• 指数小幅度调整时

行情风格多样，本次以此 2 种风格分别构建2个不

导语

RNN、LSTM和GRU网络已在序列模型、语言模型、机器翻译等应用中取得不错的效果。循环结构（recurrent）的语言模型和编码器-解码器体系结构取得了不错的进展。

但是，RNN固有的顺序属性阻碍了训练样本间的并行化，对于长序列，内存限制将阻碍对训练样本的批量处理。这样，一是使得R