量化投资

策略源码

A：市场风格变化时策略如何自动切换

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

策略源码：

{{membership}}

https://bigquant.com/codeshare/21de4ff9-d94b-41b5-b259-b1c628c8e15a

\

Q1-@james:有什么另类的标注可以推荐下？

https://bigquant.com/wiki/doc/-0kcMgSnQXw

https://bigquant.com/wiki/doc/rengongzhineng-xilie-ershijiu-shouyi-linglei-biaoqian-zhengquan-fuben-xRMNFmmg00

【旧版使用说明】此文档为旧版本，相关文档可参考：

https://bigquant.com/wiki/doc/126-KkS3pYVIAH

20210624 Meetup 策略案例

https://bigquant.com/experimentshare/f235e9ce26dc42b9ae9fb57ca6574bf1

\

视频讲解

查看视频

策略源码

https://bigquant.com/codeshare/23bb6c6a-c4e3-4a7c-aed4-48c719c64dee

\

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/c13d6baefe5d4c75bb87eea9364b0f75

\

旧版声明

本文为旧版实现，仅供学习参考。

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

新版因子分析代码：

https://bigquant.com/wiki/doc/5zug5a2q5yig5p6q5luj56cb-Od7rjBTNDQ

策略案例

[https://bigquant

\

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

热点概念追踪策略是一种量化投资策略，旨在捕捉市场上热门概念或主题的股票，以获取超额收益。这个策略通常基于对市场情绪、新闻、社交媒体等信息的分析，识别出当前备受关注的概念，然后投资于相关的股票。

https://bigquant.com/codesharev2/0cb679b8-411a-450c-bd5e-076ea98ba3d3

\

AI量化Meetup 2021年1月28日期问题，配合视频更容易理解。视频详见：

2021-AI量化Meetup导览

策略案例

https://bigquant.com/experimentshare/5dd6b4f7a29d4c5d827aeeff05816cfd

\

看视频

https://www.bilibili.com/video/BV1jh411u7zj/?vd_source=ecd29bbd04cbefdfa426167c55241973

策略源码

[https://bigquant.com/experimentshare/d4804cb7b37b40e191de5b196897c33b](https://bigquant.com/experiment

视频讲解

查看视频

策略源码

https://bigquant.com/codeshare/44ce0baf-6d4c-4f9c-9b7b-90ea4b12ab19

\

\

问题

每日涨停/跌停数，每日上涨股票数等情绪指标如何构建和使用？

视频

[https://www.bilibili.com/video/BV1Z94y1Q73b?share_source=copy_web&vd_source=2e7dc1240ea373ea6eba1134af8dd086](https://www.bilibili.com/video/BV1Z94y1Q73b?share_source=copy_web&vd_source=2e7dc1240

视频讲解

点此查看视频

策略源码

https://bigquant.com/codeshare/769aba37-1960-4fc6-bedc-1d7a8a4dee0a

\

投资策略的优化是一个复杂的过程，旨在提高投资回报、降低风险并适应市场的变化。这通常涉及对现有策略的评估、调整和改进。以下是一些常见优化投资策略的方法和案例：

投资策略优化方法

1. 资产配置调整
   • 根据市场变化和个人的风险承受能力调整资产配置比例。
   • 例如，随着市场利率的上升，可能需要减少债券的比重，增加对股票的投资。
2. 定期平衡
   • 定期重新平衡投资组合，以维持原始的风险和回报水平。
   • 例如，如果股票的比重因市场上涨而增加，就卖掉一部分股票，购买更多的债券。
3. 采用或调整量化策略
   • 使

基本面量化策略是一种结合了基本面分析和量化分析方法的投资策略。通过对公司的财务报表、行业数据、宏观经济指标等基本面信息的量化分析，来识别被低估或高估的股票。这种策略通常涉及以下几个方面：

基本概念

1. **数据驱动的基本面深度分析：**基本面量化策略巧妙地结合统计方法与计算机算法，对公司盈利能力、财务稳健性、增长潜力等传统基本面指标进行精准分析，为投资者提供全面深入的企业价值洞察。
2. **

5大散户亏钱原因详解！总共25条，看看中了多少条！

BigQuant.com是适合散户并以AI人工智能为核心的量化开发平台，为量化投资宽客提供机器学习AI技术、量化金融数据、精准回测、量化因子等，去除人为情感，做到理性投资。

1、信息不对称

散户通常无法获取与机构投资者相同的信息资源。机构投资者拥有更多的研究资源、更高级的数据分析工具，以及行业内部的信息。这种信息上的差异导致散户投资者在决策时处于不利地位。具体分析：

![散户炒股-信息不对称概念图](https://pic1.zhimg.com/80/v2-c1b685028520f87a660385f4d79e68

量化投资是指使用数学模型、统计分析和计算机算法来指导投资决策的方法。

这种方法试图通过消除人为情感和直觉的影响，以客观和系统的方式分析市场和价值。

量化方法通常涉及以下几个方面：

1. 数学模型与统计分析：量化投资的核心在于运用精密的数学模型和统计分析，精准识别市场脉络、估算资产内在价值以及全面评估潜在风险。这些模型囊括了时间序列分析、回归分析、因子模型等多种高级统计工具。
2. 算法交易技术：量化投资者

工欲善其事，必先利其器，本文精心整理了各大编程语言常用的量化分析工具，会用其中几个就应该可以在私募找到一份不错的量化工作，如果不想安装推荐 BigQuant 人工智能量化投资 一站式的Python+机器学习+量化投资平台，打开浏览器就可以开发算法策略。

欢迎大家补充~~~

编程语言

1. Python
2. R
3. Matlab
4. Julia
5. Java
6. JavaScript
7. Scala
8. Ruby
9. Frameworks

Python

• [numpy 7](http://li

这是旧版的例子, 只能在2.0.0的Aistudio中运行

策略案例

https://bigquant.com/experimentshare/54fe864132a7447894540d70cd2e36e5

\

简介

本系列文章为大家介绍了技术分析指标，并且介绍了一些常见的使用技术指标构建的策略

量化投资中的技术分析

量化投资是通过数学模型和算法对市场数据进行分析和交易决策的投资方法。技术分析（Technical Analysis）是量化投资中的一个重要分支，旨在通过分析历史价格和交易量数据来预测未来的价格走势。技术分析假设所有市场信息都反映在价格中，价格走势有一定的模式和规律，因此可以通过数学方法进行分析和预测。

技术分析通过多种数学方法和指标对市场数据进行分析，帮助投资者识别市场趋势和交易信号。TA-Lib库提供了丰富的技术分析函数，方便投资者进行量化分析和策略开发。掌

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

https://bigquant.com/experimentshare/116fdc30e1944051ba43f73e74837776

\