随着交易数据量越来越大，金融领域的各种应用已经验证了使用人工智能可以更好地进行投资或业务决策，也越来越多人相信人工智能技术在金融领域的应用前景。人工智能提供了一种适用于从个人数据到业务流程的高效数据分析工具。 与此同时，越来越多金融机构开始使用机器学习方法，以期在市场竞争中赢得优势。量化投资机构逐渐抛弃传统的分析方法，转而使用机器学习算法预测市场走势和选择投资组合。 与传统投资方式相比，量化投资方式具有更高效率及准确性。量化投资是一种基于计算机系统而生成的投资策略选择方法，可以对数学模型进行监理，在实现交易理念活动过程中构建更为完善规范的量化投资评价体系。在对模型进行监理的基础上，再对历史数据

绝大多数的散户目前都是采用主观投资法，所以才会造成买了就跌，卖了就涨。因为主观投资容易被市场情绪所影响，会被自己的心魔所控制。

由于是主观投资，所以每次买卖过程中都充满了恐惧和贪婪，买了就怕跌下来，卖了又怕涨上去，持股过程一直处在焦虑之中。

量化投资由于是按照模型发出的信号来操作，无需参杂人的主观情绪和主观预测，所以操作起来要轻松得多。

量化投资是把数学、统计学、金融学、计算机AI技术结合起来，通过挖掘海量大数据，寻找规律，建立先进的投资模型以替代人为的主观判断。

量化投资可以发现和利用其他市场参与人的错误报价，从而抓住普通人看不到的投资机会，使投资效率大大提高。

量化投资在70年代

自我介绍

策略盈亏

在介绍自己之前，先看一下入坑一年写的一些策略吧，毕竟在这里策略的效果比名字有用。

![{w:60}](/wiki/api/attachments.redirect?id=6203646c-9158-4faa-b266-374923

摘要

文献来源：Chen, Mike, and George Mussalli. "An integrated approach to quantitativeESGinvesting." The Journal of Portfolio Management 46.3 (2020): 65-74.

推荐原因：ESG投资是投资界和学术界都非常关注的一个领域，但目前对ESG投资的定义，以及如何构建一个可以结合回报和可持续性两个维度的最佳投资组合尚未达成一致。本文对当前市场中的ESG投资进行了分类，并介绍了ESG投资框架。

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

策略案例

https://bigquant.com/experimentshare/41ba8c41f99346a6872f3ecac3a50c80

\

策略案例

https://bigquant.com/experimentshare/9426627188af4f488644532c01328c14

\

现在先说说证券行情吧。

1。国外的股票行情我就不谈了，这个我不是很了解，今天我来说说国内两大证券交易所，上交所和深交所两大交易所。

上交所的L1和深交所的L1行情，狭义的说就是五档行情，还是比较好获取，渠道很多，但是质量参差不齐。我说说质量稍微好点的，野路子无限断、无限延迟行情，我就不谈了。

首先，最好L2行情数据接口的肯定是从交易所购买，交易所每年30万或35万，从交易所购买这个市场，一般用于量化分析交易或追板的，而是用于市场展示软件公司，一般交易会购买L2行情数据，前面的文章已经提到过。交易所的官方网站上有很多这样的公司，我记得在2016年之前，这样的软件公司并不多，现在，无数，

摘要

游凛峰先生，21年证券从业经历，多年海外投研经验，2009年加入工银瑞信基金，目前负责公司量化投资。深耕基本面量化投资多年，通过主动选行业+多因子量化选股，探索具有潜力的细分行业中的优质股票，注重自由现金流和盈利质量的匹配程度，实现“盈利稳定+最大化”。目前整体偏均衡成长风格，偏好配置持续高增长的行业，获取行业配置收益；个股盈利质量高，自由现金流等指标表现较优，长期业绩表现优秀。

基金经理：游凛峰先生，21年证券从业经历，2009年加入工银瑞信基金，目前负责公司量化投资，在管基金共7只，总管理规模约33.5亿元。海外投研经验丰富，深耕基本面量化投资多年，历史业绩表现优秀。

!

近年来，量化投资在国内发展迅速，一批量化私募机构管理规模破百亿，少数头部破千亿，而且相当一部分量化私募在过往一年多时间取得不错的收益。

投资者在享有量化投资收益机会的同时，也在保持清醒的认识，量化投资也存在风险，能否取得超额收益关键仍在在核心团队，与团队建设、IT建设和团队积累的研究框架等密不可分。

1.投资范围更加广泛 量化投资借助计算机技术，搜集的信息更具有速度和广度，投资分析的范围覆盖面更广，基本可达整个市场。同时，量化投资可以针对全市场范围的品种，多角度分析且实现选择，促进交易者获得更多投资机会。

2.程序化交易，避免人为主观因素的影响 量化投资通过回测来证实或者证伪策略的历

The Story of Citadel

Citadel纪录片分享！House of Ken Griffin – The Story of Citadel！了解Ken Griffin是如何把Citadel打造成为300亿美元对冲基金！

https://www.bilibili.com/video/BV1ot4y1j74y

Citadel创始人访谈

Citadel城堡投资集团 肯·格里芬 在大卫·鲁宾斯坦访谈 The David Rubenstein Show - Citadel's

人工智能在量化领域的应用

因诺资产徐书楠有关量化的解读-人工智能的深度运用，国内量化投资会有更长足的发展，资产配置应基于长期考量，短期表现偏随机性

https://www.bilibili.com/video/BV14B4y197bP

\

幻方人工智能量化投资实践

人工智能投资时代到来了吗？未来基金的将没有投资经理。幻方量化CEO陆政哲介绍幻方人工智能量化投资实践：什么是人工智能，人工智能的发展与应用，当前人工智能投资的实践案例，幻方在人工智能投资上的发展和人工智能投资的挑战与未来。

https://www.bilibili.com/video/BV1zD4y1Q7Un

量化机构能否超越周期的宿命？

幻方量化CEO陆政哲先生认为量化投资机构在发展历程上，会面临周期性的巨大考验，一方面是自身规模的增长给业绩带来的压力，

2023校园招聘宣传

https://www.bilibili.com/video/BV1Ve4y1Y7NX

量化投资回顾与展望2022

九坤郭泓辰：现在随着整个计算机科学的发展，包括算力的提高，现在量化投资能做的事情有很多，大家可以大量的应用数据和统计，对数据进行分析，建立各种的假设，并且验证自己的想法，最终就形成这样一个投资的流派。就是依靠计算机建模去把市场的投资逻辑进行梳理，最终形成一个长期可以在市场上盈利的结果，做成这样一个投资流派。

[https://www.bilibi

摘要

gcForest算法

gcForest（multi-Grained Cascade Forest）算法是2017年周志华教授提出来的一种基于树的深度模型，旨在作为深度神经网络的一种可供选择的替换。由于超参数更好的鲁棒性，小样本上更好的稳定性，因此该模型相对于神经网络可能在金融数据上有更好的表现。

gcForest的回测表现

将《机器学习与量化投资：避不开的那些事（1）》中的神经网络替换成为gcForest，按月收益回撤比可达15.959。

gcForest的参数敏感性

该模型的各个参数的敏感性都非常低。

正文

[/wiki/static

参考 https://wesmckinney.com/book/ 编写 Python For Quants - 用于量化投资的Python

摘要

2010至2020，偏股混基整体表现如何

从整体年化收益来看，过去10年偏股混基的整体表现显著优于沪深300和中证500，略优于创业板指。分年来看偏股混基并不是靠始终保持成长风格才取得与创业板指相当的收益率，2011年、2016年至2018年，当市场风格偏向价值板块时，偏股混合型基金与沪深300指数收益率相当，好于中证500和创业板指；2013年、2015年、2019年至今，当市场风格偏向成长板块时，偏股混合型基金与中证500相当（在极端成长行情下往往跑输创业板指）

从基金排名的角度来看，如果一只基金产品能够取得和偏股混基指数相当的收益率，其排名大致在前50%左右；要

深度了解易方达量化投资团队，大咖解读量化投资趋势与方法

• 官泽帆：易方达基金量化投资部资深基金经理
• 徐德晖：易方达基金量化投资部基金经理助理
• 婷 婷：易方达基金

https://www.bilibili.com/video/BV1te4y187ig

\

一、关于FinRL

目前，深度强化学习（DRL）技术在游戏等领域已经取得了巨大的成功，同时在量化投资中的也取得了突破性进展，为了训练一个实用的DRL 交易agent，决定在哪里交易，以什么价格交易以及交易的数量，这是一个具有挑战性的问题，那么强化学习到底如何与量化交易进行结合呢？下图是一张强化学习在量化交易中的建模图：

![Image{w:100}{w:100}](https://mmbiz.qpic.cn/mmbiz_png/7QjhbM6s2ZEJsmKULk0WMwzY5RBd1DX0dQntUdHhObZjBias4ic9QZIBqxWGrWQyesc4C18MU6

摘要

2022世界人工智能大会于2022年9月1日至3日在上海举办。世界人工智能大会自2018年以来，已成功举办四届。2022世界人工智能大会由国家发展和改革委员会、科学技术部、工业和信息化部、国家互联网信息办公室、中国科学院、中国工程院和上海市人民政府共同主办。

![图片{w:100}{w:100}{w:100}{w:100}{w:100}](https://mmbiz.qpic.cn/mmbiz_jpg/ictQeYX6icdPSibKhuXSZOHiaeBia57QwSliaiaFHibhvMEjb1pqAbericKGjK0hnjARZW9CFZFS4s2UkicJt0Qp

摘要

今天给大家分享一篇Robeco荷宝的最新文章。关于大数据和机器学习的重大发展正在推动量化投资的前沿。计算能力的增强促进了机器学习模型的部署和使用。与基于规则的模型相比，这些模型采用完全数据驱动的方法，能够对复杂的非线性关系建模。可以潜在地揭示简单线性模型无法捕捉到的系统性和重复模式。

例如，某些变量可能只有当它们超过某个阈值时，或者当它们与其他变量结合时，或者它们可能只能预测表现不好的股票时，才能预测股票收益。在这篇白皮书中，我们深入探讨了如何使用ML技术可以推动量化建模到下一个水平。我们也看一个具体的例子，用机器学习模型来预测个别股票价格崩溃。

机器学习技术在量化投资中的不

摘要

互联网大数据与量化投资身处大数据时代，我们所面对的数据的维度在不断增加。传统的量化投资模型基于财务报表及市场价量信息构建因子，信息来源相似性较高导致模型趋同、交易拥堵。在互联网中，非传统金融数据（如舆情、搜索量、语文文本）不断积累，这其中就包括许多对投资有用的信息。

互联网舆情数据可预测性分析相较于传统的金融数据，互联网舆情数据可以及时地描述投资者的情绪面。众多数据源中，舆情搜索指数反映了众多投资者对某类信息的关注情况，本文将众多投资者对大小盘的舆情搜索情绪作为投资者情绪的直接代理变量，以此来研究大小盘风格轮动与舆情变化的强弱之间的关系。投资者情绪随着大小盘风格的变化而波动，同

摘要

1.1.人工智能正当时1956年，人工智能（ArtificialIntelligence,AI）的概念在计算机达特茅斯会议上被提出。AI赋予机器像人一样思考，并做出反应的能力。它的本质是通过研究人类活动的规律，构造具有一定智能的人工系统来模拟人类的某些思维过程和智能行为，去完成以往需要人的智力才能胜任的工作。

如今，大数据、GPU和复杂算法的出现与进步，大大加速了人工智能的发展。2016年，由DeepMind开发的AlphaGo以4：1战胜了韩国棋手李世石，让人工智能备受关注，掀起了人工智能的浪潮。这一新兴学科凭借其广阔的发展前景吸引了众多研究者，目前已经在计算机视觉、自然语

摘要

互联网大数据与量化投资

身处大数据时代，我们所面对的数据的维度在不断增加。传统的量化投资模型基于财务报表及市场价量信息构建因子，信息来源相似性较高导致模型趋同、交易拥堵。在互联网中，非传统金融数据（如舆情、搜索量、语文文本）不断积累，这其中就包括许多对投资有用的信息。

互联网舆情数据可预测性分析

相较于传统的金融数据，互联网舆情数据可以及时地描述投资者的情绪面。众多数据源中，舆情搜索指数反映了众多投资者对某类信息的关注情况，本文将众多投资者对大小盘的舆情搜索情绪作为投资者情绪的直接代理变量，以此来研究大小盘风格轮动与舆情变化的强弱之间的关系。投资者情绪随着大

摘要

机器学习系列报告

本系列报告试图系统全面性的介绍各种不同的机器学习方法，并且结合具体的在投资研究领域应用实例、交易策略及code示例，说明其应用情景和实现方法。机器学习的方法可以分为以下几类：监督学习、无监督学习、深度学习及其他机器学习方法（例如强化学习），对应到具体的模型上数量则更是繁多，目前大部分机器学习模型并未广泛的应用在投研领域，因此本系列主要偏重于在投研领域有应用潜力的模型及方法。此篇将以介绍监督学习方法为主

监督学习模型之回归类模型及其应用

与普通线性回归不同，监督学习中的惩罚回归模型和非参数回归，可以分别用于处理输入变量中存在大量线性相关性关系

\