当深度学习遇上量化交易——因子挖掘篇
摘要
在深度学习的所有应用场景中,股价预测也无疑是其中一个异常诱人的场景。随着传统线性模型的潜力逐渐枯竭,非线性模型逐渐成为量化交易的主要探索方向,深度学习对非线性关系良好的拟合能力让其在量化交易中面临着广阔的应用前景。但与常规的回归预测任务不同的是,股价预测问题有其独特性,存在时间序列、噪
由small_q创建,最终由small_q更新于
在深度学习的所有应用场景中,股价预测也无疑是其中一个异常诱人的场景。随着传统线性模型的潜力逐渐枯竭,非线性模型逐渐成为量化交易的主要探索方向,深度学习对非线性关系良好的拟合能力让其在量化交易中面临着广阔的应用前景。但与常规的回归预测任务不同的是,股价预测问题有其独特性,存在时间序列、噪
由small_q创建,最终由small_q更新于
协方差矩阵用于计算股票投资组合的标准差,投资组合经理又使用协方差矩阵来量化与特定投资组合相关的风险。在本文中,我们将学习如何为包含 n 个股票的投资组合创建为期“m”天的协方差矩阵。
\
让我们了解投资组合分析
由small_q创建,最终由small_q更新于
ATR即平均真实范围(Average True Range)是
由bqw9z8tc创建,最终由small_q更新于
筹码集中度也叫筹码分布集中度,反映了一定比例的筹码在某一成本范围的集中度大小。 当资金买入,则会增加筹码,当被卖出,则筹码会减少,所以筹码集中度的本质是成本集中度,反映的是一定成本范围的集中情况。 筹码集中度=成本区间的(高值-低值)/(高值+低值)。筹码集中的成本区间越大,集中度
由xiaoshao创建,最终由small_q更新于
\
简单来说,统计套利由一组量化驱动的算法交易策略组成。这些策略旨在通过分析价格模式和金融工具之间的价格差异来利用数千种金融工具的相对价格变动。统计套利起源于 1980 年代左右,由摩根士丹利和其他银行主导。统计套利策略,也被称为 StatArb,见证了金融市场的广泛应用。该策
由small_q创建,最终由small_q更新于
本文14323字,阅读约28分钟
导语:本文旨在用精炼的语言阐述实操层面的机器学习量化应用方法,包括给出实践中一些常见、实际问题的处理方案,并结合了量化应用实例。读完后大家可以在本平台进行实践检验。
1.人工智能量化投资概述
2.人工智能技术简介
3.机器学习在
由qxiao创建,最终由small_q更新于
量化交易利用数学和统计学方法来分析市场并执行交易的过程,是现代金融的一个重要组成部分。量化模型的目的是通过算法自动识别并利用市场中的规律和机会,用以获取更多收益。
是由ugene Fama和Kenneth French提出的,旨在更好地解释股票回报率的差异。
这个模型在原有的三因子模型基础上增加了两个因子,共包含以下五个因子:
计算公式应用参考:**[Fama-French五因子模型]
由bqw9z8tc创建,最终由small_q更新于
协方差是一个统计学的概念,用于衡量两个随机变量间的总体误差。它反映的是两个变量之间的相互关系以及它们如何一起变动。在金融领域,特别是在投资组合管理和风险管理中,协方差是一个非常重要的概念,因为它帮助投资者理解不同资产之间的价格变动关系,从而更好地分散风险。
检查原始数据 2)检查计算加工逻辑
测试数据的覆盖度、准确性。
参考研究报告:
着重推荐第一篇:《国盛证券多因子系列之八:日间量价模型研究》
 是BigQuant研发的高性能分布式数据平台
由jliang创建,最终由rydeng更新于
我们在进行模拟交易策略开发时主要分两种情况:
情况一:将数据(因子)的加工、清洗和存储作为独立任务,模拟交易策略依赖数据因子任务的成功执行,进而触发模拟交易任务的运行;
情况二:数据(因子)的加工、清洗和存储与模拟交易策略任务置于同一个任务中,只不过从代码逻辑来讲先执行数据(因子)的入库保存,再
由qxiao创建,最终由qxiao更新于
由bq7zuymm创建,最终由bq7zuymm更新于
函数名称 | 描述 | 例子 |
---|---|---|
+ |
加法 | 1 + 2 = 3; '2023-1-1'::DATE + INTERVAL 1 MONTH = '2023-2-1'::DATE |
- |
减法 | `1 - |
由qxiao创建,最终由small_q更新于
期货高频网格交易策略是一种在期货市场中利用价格波动来进行频繁买卖操作的策略。其核心思想是通过预设一定的价格间隔(网格),在价格波动中不断进行买入和卖出操作,从而在价格波动中获利。以下是该策略的主要特点和步骤:
由qxiao创建,最终由qxiao更新于