金融市场
金融市场是全球经济活动的核心，它是一个复杂的系统，通过无数种交易和活动，将全球的投资者、企业、政府和其他实体紧密地联系在一起。金融市场主要的功能是促进资金的有效流动和使用，提供了资金需求和供应之间的桥梁。它允许投资者通过股票、债券、期货、期权和其他金融工具进行投资，从而为企业和政府提供必要的资金。 金融市场具有高度的流动性和透明度，使得参与者能够迅速、准确地了解市场情况和资产价格的变化。它的效率和健全性直接影响着整个经济系统的稳定和增长。此外，金融市场也是评估经济风险和决定资本成本的关键场所。 然而，金融市场也充满了风险和挑战。市场波动、信息不对称、信用风险等问题都可能对投资者和市场整体造成损失。因此，有效的监管和风险管理对于维护金融市场的健康和稳定至关重要。 总的来说，金融市场是现代经济的心脏，它通过促进资本的流动和分配，推动着全球的经济增长和发展。
什么是量化投资？
更新时间：2025-07-24 05:40
数据读取
在AIStudio中编写的策略，不论是可视化版本还是代码版本，使用的数据来源都是BigQuant的DAI数据平台
DAI数据平台由两个部分组成：
- DAI数据平台的框架是BigQuant自研的分布式高性能数据库，了解数据平台怎么用，可以查看这个链接：数据平台/DAI
- DAI数据平台的内容是覆盖全球金融市场全部资产品类的数据表，了解数据平台中有哪些数据表，可以查看这个链接：https://bigquant.com/data/home
1. 可视化模式下的单表数据读取
数
更新时间：2025-07-01 07:55
AI量化交易是什么意思
**概念定义：**一种使用高级数学模型、统计分析和计算机算法进行交易决策的方法。
**应用范围：**一般包括股票、期货、外汇和衍生品等金融市场；
**主要原理：**依赖于金融市场中的价格、交易量、经济指标等大量历史和实时数据，用以识别市场趋势、估值、波动性等关键因素；使用复杂的数学（包括统计学、概率论、机器学）模型来分析数据和预测市场行为，并通过计算机算法预设的规则和模型自动执行交易。（文末含量化核心资源）
核心工具
数据分析
历史数据分析：通过分析历史价格、成交量等数据来预测市场趋势。
实时市场数据：收集实时交易数据，对市场
更新时间：2025-07-01 07:47
从均值方差到有效前沿（代码）
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/68b5d7cfac264dbda781c1fbcc6a4880
\
更新时间：2025-07-01 07:35
算法交易的主要类型与策略分析
前言
算法交易起源于上世纪中叶的配对交易
历史上最早使用算法交易的例子可以追溯到1949年。对冲基金之父阿尔弗雷德·琼斯，利用空对多3：7的比例进行配对交易，在1955年到1964年间，综合回报率高达28%。到了上世纪60年代早期，投资者开始利用计算机通过分析股票的周线和月线来预测价格运动方向。
配对交易逐渐成熟，发展成后来的算法交易。随后算法交易策略慢慢在华尔街流传开来并被广泛使用，同时也带来了非常可观的盈利。原来在摩根士丹利从事配对交易的研究员，后来逐渐成为如大卫·肖、詹姆斯·西蒙斯这类明星基金经理手下的精英，算法交易的“黑盒子”便由此诞生。
随着计算机的广泛普及，华尔街各大
更新时间：2025-07-01 07:35
机器学习在量化投资中的趋势和应用
来源：SSRN 作者：Sophie Emerson, Ruairi Kennedy, Luke O’Shea, and John O’Brien
机器学习是人工智能的一个子领域，它使用统计技术为计算机模型提供从数据集学习的能力，允许模型在没有显示编程的情况下执行特定任务。近年来，机器学习技术激增，人们对其在金融领域的应用也越来越感兴趣。在投资管理中，已被应用于新闻的情绪分析、趋势分析、投资组合优化、风险建模等。那么，机器学习在量化投资中有哪些潜在应用呢？
1.常见的机器学习算法
机器学习算法主要有三种：监督学习、无监督学习和强化学习。监督学习是在已知输入和输出的情况下训练出一个模型，将
更新时间：2025-07-01 07:35
监督式机器学习算法的应用：择时
导语
《Machine Learning for Stock Price Forecasting》是Ali El-Shayeb撰写的机器学习系列文章 ，本文主要介绍其第二部分内容——《监督式机器学习算法的应用》，并将其思想和代码应用在中国股票市场，开发出具有择时功能的监督式机器学习算法，最后进行策略回测。对此感兴趣的小伙伴可以直接在本文文末克隆策略源代码，进行深入和扩展研究。
《监督式机器学习算法的应用》
Ali El-Shayeb通过价格和成交量相关的9个特征训练模型，特征列表和数据来源见下图。
×100%
- 期间内交易的股票数量 特定时间段内买卖的股票总数。
- 期间平均流通股数 同一时间段内可供交易的股票平
更新时间：2025-07-01 06:43
波动率公式及使用技巧
波动率（Volatility）是金融市场中用于衡量资产价格随时间变化的程度。波动率越高，表示资产价格的变动幅度越大，风险也越高。在股票市场中，波动率通常以历史波动率（基于过去的价格变动）或隐含波动率（基于期权定价）来衡量。
基本公式
历史波动率的计算公式通常是： Volatility= sqrt( Var(R) )
Var(R) 是资产收益率的方差。\n  构建图表
- .render() 显示图表
- 传入 DAI SQL 作为数据源
import bigcharts
bigcharts.Line("SELECT date, close FROM cn更新时间：2025-04-24 03:21
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：2025-04-24 03:20