摘要

机器学习波动率预测

大多数量化策略的盈利与波动率高度相关。预知波动率对于分配每个策略的仓位至关重要。使用机器学习进行波动率预测较传统方法的预测效果有所提升。

机器学习策略判断失效的方法

判断机器学习策略失效有独特的方法，可以在击穿最大回撤前提前下线策略。

机器学习在量化投资中应用的杂谈

我们在这一章节中致力于打通实盘的各个环节，以及展开对机器学习对冲基金运营方式的探讨。

正文

[/wiki/static/upload/3a/3af7bff5-f4fe-4eef-96df-74530303b737.pdf](/wiki/static/up

摘要

机器学习和人工智能在量化投资的应用有很长的历史

机器学习在九十年代初的热潮中已经被大量运用于量化投资中。尽管受限于当时的计算能力和算法，但是由于在算法交易和CTA等领域中机器学习提供了一些更好的解决方案，机器学习在这些领域的应用一直延续到今天

机器学习在量化投资中应用的九个思考

本报告是系列报告的第一篇，简略介绍了机器学习运用到二级市场投资过程中的一些常见问题。这些问题覆盖了策略研发常见错误，策略归因，策略失效判断，机器学习平台的建立，交易系统和机器学习平台的对接以及机器学习对冲基金的团队架构。后续系列报告将会详细围绕这些问题展开

**适当使用下的机器学习

研究结论

机器学习容易给人“黑箱模型”和“过拟合”的印象，但事实上一些机器学习算法的逻辑和结果都非常直白，而且算法自身带有一套避免过拟合的参数估计机制。众多的实践研究说明，机器学习方法的预测能力大部分情况下都强于线性模型，很值得在量化投资中测试使用。本报告主要讲述机器学习的基本原理和用其来做量化选股的实证结果。

机器学习模型众多，不存在所谓的最强模型，不同的数据，不同的问题适用不同的模型。我们测试了LASSO、SVM、增强型决策树、随机森林等几种常见机器学习方法，最终选择用随机森林，主要是因为它结构简单、参数少、过拟合概率低，同时还具有非常强的样本外预测能力。机器选股模型省

正文

/wiki/static/upload/cc/ccdb74be-b863-4da3-8f49-1f6faa26c18e.pdf

\

\

\

技术实力，代表了量化投资机构的内在实力；自我驱动的技术迭代，将是长期保持行业竞争力的不二法门。

人工智能作为当前技术领域的重要分支，能以更高维的方式创造性地解决量化投资在应用领域的诸多复杂难题，为量化投资的跨越式发展提供跳板。与此同时，人工智能还给行业提出了新要求，即唯有紧握技术机遇，才可以在科技的“军备竞赛中”不落后于人。

非凸科技也在因子挖掘、收益预测、交易执行等环节引入人工智能和机器学习，为算法交易打造更强劲的科技驱动力。比如，交易执行方面，非凸科技致力于探索前沿交易软硬件技术，多业务场景下的技术落地，实现算法交易领域的技术创新。

如果说策略与技术的应用和迭代是量化投资的高层建筑，

摘要

西学东渐，是指从明朝末年到近代，西方学术思想向中国传播的历史过程。西学东渐不仅推动了中国在科学技术和思想文化方面的发展，也有力地促进了社会与政治的大变革。

在今天，西学东渐仍有其重要的现实意义。作为A股市场上以量化投资为研究方向的卖方金融工程团队，在平日的工作中，常常深感海外相关领域的研究水平之高、内容之新。而这也正促使通过大量的材料阅读，去粗取精，将认为最有价值的海外文献呈现在您的面前

本文重点对基于因子的资产配置方法进行研究。本文提出了利用宏观因子进行资产配置的框架，并且针对几类代表性机构的资产组合进行了实证研究。

本文基于因子的资产配置方法分为四步：首先选择所用的宏观

https://bigquant.com/experimentshare/4653b9de9090496ba06147ce444eeb36

\

量化策略的alpha收益，通过持续跑赢指数，能极大地改善权益投资的风险特征。只要投资者认可并看好中国的经济金融发展，看好指数的长期走势，那么量化投资可以说是最优的投资方式。可以在指数的相对低位（估值偏低，绝对点位偏低）时布局优秀的量化指数增强策略产品。

相较于传统的主观投资，量化投资最大的特点是尽量减少人性的弱点在投资决策流程的负面影响，基于统计学概率进行大量交易，是让投资走向科学与理性的一种艺术。

在国内，量化仍旧是相对新兴的产物，但是在欧美已经发展40年。展望量化私募行业的发展前景，欧美市场的发展轨迹有很大参考价值，大方向上有迹可循。量化是大趋势，在国内的发展空间巨大！

由于市场风格

「股票及量化投资书籍分享」https://www.aliyundrive.com/s/4kajoeM7ock 点击链接保存，或者复制本段内容，打开「阿里云盘」APP 下载。

摘要

投资要点

西学东渐，是指从明朝末年到近代，西方学术思想向中国传播的历史过程。西学东渐不仅推动了中国在科学技术和思想文化方面的发展，也有力地促进了社会与政治的大变革。在今天，西学东渐仍有其重要的现实意义。作为A股市场上以量化投资为研究方向的卖方金融工程团队，我们在平日的工作中，常常深感海外相关领域的研究水平之高、内容之新。而这也正促使我们通过大量的材料阅读，去粗取精，将我们认为最有价值的海外文献呈现在您的面前！为了保证品质，我们的文献推荐系列报告将以双周形式推出，每期推荐1~3篇不等的优秀文章。

本期的三篇文献涵盖了另类选股策略、盈余操纵及非流动资产配置等不同领域。第一

前言

传统的CTA策略多为多品种多周期的趋势跟踪策略组合。其中对于趋势的定义，大都基于时间序列计算出的传统技术指标，如MACD、均线等。然后根据趋势的多空，构建多品种的多空组合。随着深度学习的发展，很多研究者在量化CTA策略的研发中，开始尝试深度学习算法。常见的作法，如直接用深度学习预测每个品种未来一段时间的收益率，并根据预测收益构建品种多空的组合。但这钟做法有以下两个缺点：

• 直接预测收益，并没有考虑组合的风险；
• 没有考虑每个品种在组合钟的权重。

在Lim etl. 2019的论文《Enhancing Time Series Momentum S

摘要

西学东渐，是指从明朝末年到近代，西方学术思想向中国传播的历史过程。 西学东渐不仅推动了中国在科学技术和思想文化方面的发展，也有力地促进了社会与政治的大变革。在今天，西学东渐仍有其重要的现实意义。作为A股市场上以量化投资为研究方向的卖方金融工程团队，我们在平日的工作中，常常深感海外相关领域的研究水平之高、内容之新。而这也正促使我们通过大量的材料阅读，去粗取精，将我们认为最有价值的海外文献呈现在您的面前！为了保证品质，我们的文献推荐系列报告将以双周形式推出，每期推荐1~3篇不等的优秀文章。 本期的两篇文献聚焦在量化选股和择时领域。第一篇文章通过实证，对因子择时的可行性进行了验证，并

摘要

西学东渐，是指从明朝末年到近代，西方学术思想向中国传播的历史过程。 西学东渐不仅推动了中国在科学技术和思想文化方面的发展，也有力地促进了社会与政治的大变革。在今天，西学东渐仍有其重要的现实意义。作为A股市场上以量化投资为研究方向的卖方金融工程团队，我们在平日的工作中，常常深感海外相关领域的研究水平之高、内容之新。而这也正促使我们通过大量的材料阅读，去粗取精，将我们认为最有价值的海外文献呈现在您的面前！为了保证品质，我们的文献推荐系列报告将以双周形式推出，每期推荐1~3篇不等的优秀文章。 本期的两篇文献聚焦在量化选股领域。第一篇报告研究了利率在股票定价中的作用，并提供了一个新的分析

摘要

初步探索基于神经网络的组合优化

在基于因子的量化投资流程中，因子生成、多因子合成、组合优化是三个重要步骤。组合优化一般是指通过凸优化方法将收益预测转换为资产权重的步骤，本文将尝试把组合优化融入到神经网络中，构建端到端的量化投资框架，该框架输入资产的原始数据，通过神经网络进行特征提取和合成，再通过可传播梯度的凸优化层(如 CvxpyLayers)优化得到资产权重，目标函数可直接定义为资产组合的收益率或其他指标，并以该目标优化整个神经网络。本文以资产配置中的风险预算模型为例，测试了基于神经网络的组合优化效果。 在合理限制下，模型在两组资产配置测试中均能获得更好的收益表现。

1.https://bigquant.com/live/strategy?notebook_id=4ab011f4-c320-11ec-98fa-361fbc3525fa

2.https://bigquant.com/live/shared/strategy?id=80110

3.https://bigquant.com/live/shared/strategy?id=79204

选择最近市场表现比较活跃的股票；

检测股票最近资金流量的变化；

用多因子策略选股；

最近表现比较好

\

人工智能在量化投资领域已有哪些应用实践？

未来发展将走向何方？

模型测试、因子挖掘、另类数据、对抗过拟合、生成对抗网络以及其他综合领域，有何前沿成果？

6月6日（周一）-6月10日（周五），“华泰人工智能量化研究5周年论坛”，2天主论坛与6场主题分论坛，连续5天，与您聊聊人工智能量化研究的前沿内容。

宽邦科技首席策略官 邵守田受邀，与您于16∶05-16∶35聊聊《 量化选股中Al算法应用最佳实践》。

参与方式：

行知App全程直播

扫描下方二维码直达 ![{w:100}{w:100}](/wiki/api/attachments.redirect?id=e5d

量化投资规模多大？对市场影响有多深远？顶级机构突破了哪些最新的前沿研究？4月29日，由华泰证券、宽邦科技、亚马逊云科技、朝阳永续、金融阶等多家市场权威机构联合组织撰写的《2021年中国量化投资白皮书》正式发布，并在深圳举办发布会。

[http://1500003242.vod2.myqcloud.com/43830c9bvodtranscq1500003242/13d56d69387702300069670514/v.f100030.mp4](http://1500003242.vod2.myqcloud.com/43830c9bvodtranscq1500003242/13d56d6938

\

导语

在阅读了 深度学习的简要介绍后，本文将介绍深度学习CNN模型及其在量化投资领域中的应用。

深度学习在量化领域应用

机器学习作为人工智能的核心，其传统算法在解决很多问题上都表现出了高效性。随着近些年数据处理技术上的进步和计算能力的提升，深度学习得以在很多问题上也大放光彩，成为近一段时间互联网、金融等领域的大热门。

在量化投资领域，机器学习尤其是由统计学延伸的各种算法一直以来都被尝试应用在选股、择时等策略的开发上，随着深度学习在其他领域上的突破，其在自动化交易甚至投资策略的自开发自学习方面的应用成为了大家探索的焦点。

为什么要用深

尊敬的Quant：

量化使用最多的语言是什么？python还是C?工资差别有多大？

畅想未来3年的量化，大家能想到哪些关键词？这些关键词是否就是未来照进现在？

AI算法在使用哪些场景？市场模式识别、收益率预测、交易执行各是什么算法在驱动创新？

宽度、弹性、深度、集中度，高频数据最关注哪些盘口变化？

这一次我们提前设问，邀请您参与《2022年中国量化投资白皮书》问卷调研https://www.wjx.cn/vj/P3OsjQj.aspx，提前锁定电子版数据。

2021年，我们提出了很多疑问，但我们现在有了更多疑问，我们相信，聚沙成塔，洞见未来，因为有您的参与，本问

敬启者：

2021量化行业风起云涌，如何量度当前的量化市场？寻找到量化发展最新前沿？市场如何演变？

聚沙成塔，洞见未来，由华泰证券×朝阳永续×宽邦科技×金融阶联合发起量化行业问卷调研《2021年中国量化投资白皮书》，向235家机构发起问卷调查，并且与8家顶级机构定性访谈，尝试研判量化未来发展趋势。

鉴于贵机构对于量化行业的深厚积累及引领地位，现特别诚挚邀请您莅临现场做主讲嘉宾，分享贵机构工作实践及行业认知。

研讨会安排

时间：4月29日

地点：深圳 福田香格里拉40层

报名方式

https://bigquant.com/activity

研讨议程

尊敬的Quant：

2021量化行业风起云涌，桥水、D.E.Shaw、Two Sigma和Winton陆续拿下WOFE牌照，与国内量化机构同场竞技。

另一方面，据市场测算，截至 2021 年上半年末，证券类私募中，量化产品规模接近万亿、规模占比约两成。百亿以上量化私募管理人的合计规模估算约 4800 亿，公募量化基金不考虑公募专户规模约 2600 亿。

同时行业持续内卷，很多大型对冲基金早在多年前就将人工智能方法应用

主题：The Impact of AI to Global Asset Managers: The Responses and Adoptions

演讲人：关子敬 先生 Kevin Kwan彭博亚太区量化及数据科学专家

**完整视频观看地址：<https://webcast.roadshowchina.cn/cmeet/NlZBZVhZRGZ6Q1NSRjdrbmJqQjZUQT09