量化投资

量化投资,一种以数据为驱动的投资策略,运用先进的数学、统计和计算机科学技术,对大量的金融市场数据进行深度分析和模式识别,以揭示市场运行的潜在规律。这种方法强调客观、系统和科学的决策过程,通过构建复杂的量化模型来指导投资策略的制定和实施。其核心在于利用计算机强大的计算能力,对投资目标进行快速、准确的评估和优化,从而在市场变动中捕捉机会,实现风险与收益的最优平衡。与传统的主观投资策略相比,量化投资旨在降低人为情感和主观判断对投资决策的干扰,以更精确、更一致的方式实施投资行为,满足投资者对于高效、稳定投资收益的追求。

用StockRanker算法实现A股股票选股

旧版声明

本文为旧版实现,仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

策略案例

https://bigquant.com/experimentshare/72d5601550164505aad979f7265f8fec

\

更新时间:2024-05-20 00:50

使用BigQuant平台实现多层感知器-分类算法

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-17 10:24

基于协整的配对交易

策略案例

https://bigquant.com/codesharev2/353ca05c-8eb3-4076-8545-318fbdfbe4b2

\

更新时间:2024-05-17 09:18

如何用量化的方法诊断个股

前言

我们常用量化投资的方式预测未来可以交易的个股,从而获取最大收益。但能不能反其道而行之,通过量化的形式诊断个股:判断是否可以买入?仓位如何设置最合理?

对于资深投资者来说,可以根据历史交易经验,结合该股的特性及大盘环境,判断在这类情况下股票的胜率及收益如何,以此作为买入决策。

但有个更简单、快速的方法,可以借助量化快速找出股票在大盘环境下历史的收益率和胜率情况,作为买入决策。

本次分享将介绍如何用量化的方式诊断个股,并依据量化分析结果作为买入决策和制定交易计划。

正文

[/wiki/static/upload/9d/9d17fabf-6f78-4e80-8da0-5

更新时间:2024-05-17 08:24

如何用量化的方法诊断个股

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-17 08:23

AI选股策略_概念过滤

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-17 07:50

分钟数据获取

策略案例

AIStudio3.0.0分钟数据获取请转移至:

https://bigquant.com/wiki/doc/5yig6zkf5pww5o2u6i635yw-6fK4a8ZOZx

[https://bigquant.com/experimentshare/893162aea1dc4c4f953f670293646709](https://bigquant.com/experimentshare/893162aea1dc4c4f953f6

更新时间:2024-05-17 01:13

事件驱动策略(基于业绩快报)

事件驱动

事件驱动(Event Driven)属于量化投资之中的一个重要类别,涵盖投资机会广泛。广义上说,市场上任何发生的有可能与股票市场相关的新闻、事件、公告均有可能成为事件驱动的投资机会。 目前我国业界事件驱动策略中包括的常用重大事件有:业绩预告、业绩快报、分红送转、大股东增减持、高管增减持、定向增发、限售股解禁、股权激励、重组并购、ST摘和评级上调等,如下图所示。

可以看出,目前市场经过验证有效的事件已经不少,涵盖了影响股票价格

更新时间:2024-05-16 06:37

筹码理论的探索-筹码分布计算的实现

新版请移至, 新的链接

https://bigquant.com/codesharev2/dd736102-e54b-4d0b-b549-16bd7703a7ac

\

更新时间:2024-05-16 06:36

代码策略

更新

本文内容已经过期,不再适合平台最新版本,请查看如下最新内容:

https://bigquant.com/wiki/doc/stockranker-qFD1Xg1Wz3


代码策略

[https://bigquant.com/experimentshare/23b8dad5c75e4e399bb937d498dccb8f](https://bigquant.com/experimentshare/23b8dad5c75e4e399bb937d498dcc

更新时间:2024-05-16 06:36

组合优化概述

更新

本文内容已经过期,不再适合平台最新版本,请查看如下最新内容:

https://bigquant.com/wiki/doc/57ue5zci5lyy5yyw5qac6lw-LvaK2l8nla


[https://bigquant.com/experimentshare/a65ee754dc984929afffd7614437348c](https://bigquant.com/experimentshare/a65ee754dc9

更新时间:2024-05-16 06:35

因子平台/BigAlpha

因子研究

在金融投资领域中,因子研究是量化投资的重要组成部分。这是一种研究和分析股票、债券等金融资产的性能和风险的关键手段,以揭示影响投资回报的基本因素。

因子研究的核心价值在于,它可以揭示那些对投资回报产生持续影响的变量,如市值、质量、动量、低波动性、收益率等。这些因子在历史上已经显示出对投资回报的显著影响,因此,对这些因子的深入理解和应用,对于量化投资策略的建立至关重要。

通过量化方法,如统计和数学模型,因子研究可以帮助投资者更好地理解资产的性能和风险,从而优化投资组合,实现风险和回报的平衡。因子研究的结果还可以帮助投资者一定程度上预测未来的市场趋势,从而做出更加科学和

更新时间:2024-05-16 05:52

【历史文档】高阶应用技巧

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-16 03:23

【历史文档】策略示例-基金智能策略

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-16 02:32

【历史文档】策略示例-基金传统策略

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-16 02:32

【历史文档】策略示例-基金策略

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-16 02:29

【历史文档】策略示例-StockRanker模型结果解读

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-16 01:58

【历史文档】策略示例-基于订单流的高频择时交易策略

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-15 10:40

基于卷积神经网络的多因子选股

https://bigquant.com/codesharev2/aae24fd2-15eb-4963-b009-5881e9e47912

\

更新时间:2024-05-15 10:35

【历史文档】平台使用指南

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-15 07:33

【历史文档】因子构建与标注样例-TALIB库定义技术指标_ATR

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-15 06:36

【历史文档】因子构建与标注样例-TALIB库定义技术指标_自适应均线

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-15 06:35

【历史文档】因子

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-15 05:57

多头排列回踩买入策略

更新

此为老版。新版见:

https://bigquant.com/wiki/doc/125-KkS3pYVIAH

\

什么是均线?

金融市场上每个人都有一套自己的分析方法,无论你是一个技术派、基本面派、消息派还是量化投资派,对于“均线”这个名词一定不会陌生。虽说这个概念诞生于市场技术分析领域,但由于它的通俗易用,均线一直受到投资者和市场分析人士的青睐。

均线的全称是移动平均线(MA)。移动平均线是个什么概念?即通过等权或指数加权的方式,计算一段时期内的平均价格,是将某一段时

更新时间:2024-05-15 03:53

常见量化投资策略

导语

简单来讲,量化投资就是利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程。

量化交易 是指借助现代统计学和数学的方法,利用[计算机技术来进行交易的证券投资方式。量化交易从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略,用数量模型验证及固化这些规律和策略,然后严格执行已固化的策略来指导投资,以求获得可以持续的、稳定且高于平均收益的超额回报。

量化投资模型只是一种工具、一种方法、一种手段,能实现成熟而有效的投资理念,需要不断根据投资理念的变化、市场状况的变化而进行修正、改善和优化,换而言之,有效的模型建立在适应

更新时间:2024-05-15 02:10

分页第1页第2页第3页第4页第5页第14页
{link}