English/繁體中文/简体中文

导语

本文从量化投资定义、量化投资特点、量化投资优势及量化投资实践流程四方面简要为大家

AI量化交易重要常识

1. 数据质量与完整性：高质量、准确、全面的数据是AI量化交易成功的关键。
2. 模型过拟合：避免过度拟合历史数据，这可能导致未来性能下降。
3. 市场效率：理解市场效率和其对交易策略性能的影响。
4. 算法复杂性：更复杂的算法并不总是更好，简单有效往往更为重要。
5. 风险管理：制定严格的风险管理策略以保护资本。
6. 交易成本：

配臵观点

上周国内方面A股继续放量上行，自6月30日起低估值板块补涨导致的价值和成长风格强烈切换后，上周风格趋于均衡；周五在监管趋严信号和减持的影响下，大金融板块带领市场回调，但PPI底部回升、PMI超预期等经济数据反映复苏的确定性增强，加上北向资金加码和公募基金建仓持带来的增量资金持续进场，市场情绪短期快速降温的可能性较低。债市方面，央行宽松预期落空及供给压力导致债市回调，股债跷跷板效应更加导致债市持续承压；外盘方面经济复苏确定性弱于国内，加之疫情反复、贸易摩擦等不确定因素或将反复对风险偏好进行压制；黄金方面受益于通胀预期和避险配臵中长期确定性仍高。

市场方面

上周权益

策略介绍

大类资产配置策略（Asset Allocation Strategy）是投资管理中一种基于投资组合理论的策略，其主要目的是通过在不同类型的资产之间分配投资来优化风险与回报的比例。这些资产类别通常包括股票、债券、现金及现金等价物、不动产、大宗商品以及其他替代投资品种。资产配置的目标是利用不同资产类别间的非完全相关性来降低整体投资组合的波动性和风险，同时寻求合理的回报。

大类资产配置策略的盈利逻辑主要基于以下几点：

1. 分散风险：不同资产类别通常具有不同的风险回报特性和市场表现。通过多样化的投资组合，可以在某些资产表现不佳时，依靠其他资产的表现来平衡损失，从而降

策略介绍

• 在146-基于场内ETF预期低风险配置策略 基础上做了升级调整，通过全天候资产配置经验来设置更为合理的仓位权重
• 此策略可以作为一个选股和线性策略的常用模版使用

策略概述

低风险策略的系统介绍参考文档：146-基于场内ETF预期低风险配置策略 。在这篇文档里，我们的ETF基金的权重是等权的，但明显很不合理，债券ETF的权重按理应该超配的。因此本文从仓位权重角度进行调整，其他地方均保持不变。

在托尼•罗宾斯(Tony Robbins)的著作《Mon

旧版声明

本文为旧版实现，仅供学习参考。

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

下列代码在读取数据时，使用最新dai.query接口即可。

数据读取

\

策略案例

[https://bigquant.com/codesharev2/5509a634-c207-4eaf-a6f2-a73d15fada39](https://bigqua

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

\

{{use_style}}

一.导语

欢迎您来到BigQuant！

BigQuant是一个人工智能量化投资平台，平台内聚集了各类人工智能量化开发者、订阅者和学习者。

二.开发者

如果您是一位充满好奇心的学习者，在BigQuant您可以前往：

1.培训报名

与知识经验丰富的讲师团队，通过线上+线下的方式，学习AI量化入门、因子构建分析、AI量化实践、实战等，纵观全局获得AI量化全貌，由浅入深进阶成为量化大神。

![{w:100}{w:100}{w:100}{w:100}{w:10

策略案例

https://bigquant.com/experimentshare/8594992a1d9345d98cbe949eb6297067

\

书籍推荐

工具书籍

量化大类资产配置

为什么要大类资产配置

![{w:100}{w:100}{w:100}](/wiki/api/attachment

这篇文章的主要目的是介绍有效前沿这个理论工具和分析框架。我们由均值方差分析展开，逐步推演到有效前沿。然后，我们又说到有效前沿在投资或者量化中的应用场景，最后我们也总结了有效前沿的一些问题，尤其是敏感性问题。在教程中，特意加入了一些实验代码，可以让大家在阅读的过程中有更好的理解。

有效前沿

说到有效前沿（有些叫效率边界），就要提到马科维茨的投资组合理论了。

首先介绍下它的三大假设：

• 单一投资期，比如一年
• 流动性很高，无交易成本
• 投资者的选择基于最优均值方差

于是，我们可以开始推导有效前沿，在这之前，我们先约定一些数学符号：

• rf：无风险利率
• μ：风险

导语

本文介绍了风险平价组合的理论与实践；后续文章将对risk parity组合进行更深入探讨以及引入预期收益后的资产配置实战策略。

前言

• 资产配置是个很广泛的话题，在投资中是一个非常重要的话题
• 从使用场景分类上来看，资产配置可以是宏观的资产配置，比如货币类、债券类、权益类之间的配置；当然也可以是某一大类资产下的配置，比如在沪深300成分股不同标的之间的权重配置
• 但不管怎么说，从方法层面上看，对于不同场景下的使用都是一致的，只不过需要注意不同场景使用下的一些特殊处理
• 本篇作为资产配置研究系列，理论结合实践，深入浅出，可直接使用
• 后续会根据时间安排，逐步介绍

实时股票指数报价数据、指数报价 API 以及股票报价 API 在股票交易中具有不可或缺的作用。这些数据和接口为投资者提供了关键信息，帮助他们精准地判断市场趋势，通过对指数报价数据的实时监测，了解市场的整体走向与节奏，从而更准确地把握股票的买卖时机。同时，借助指数报价 API 和股票报价 API，投资者能够迅速获取大量且精准的数据，助力投资决策的制定，无论是选择具有潜力的投资标的，还是确定最佳的入场离场时机，都变得更加高效和科学。在投资组合管理方面，利用这些数据和接口，投资者可以方便地评估投资组合的表现，并依据指数的变化及时调整资产配置，优化投资组合的结构。此外，它们对于风险控制也至关重要，投资

图片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。聚宽投资合伙人王恒鹏出席会议并作题为《量化团队内部协作的实践探索》的演讲，我们对文字进行实录，以飨读者。 图片

《2021中国量化投资白皮书》（以下简称《白皮书》）谈到：中国量化相比美国差了35年的时间。但实际上过往这四五年，中国量化规模已经发展了10多倍，量化内卷已经形成了很大程度的行业共识，而行业越内卷，机构对人才的重视程度则越高。因此今天我站在团队管理、公司文化和个人职业发展角度，给大家分享一下聚宽这几年的探索和心得。 ![

/wiki/static/upload/a9/a9f67316-1655-4c37-83a6-daa476619adf.pdf

\

/wiki/static/upload/73/7387f8bc-3d1b-4b37-ad6d-7e0d5ddcf4b2.pdf

\

策略案例

https://bigquant.com/experimentshare/0f5a773d39184d73bec6520dccad7ee8

\

运用风险平价策略投资

风险平价策略的产生及概念

产生：雏形是Bridgewater的“全天候”，要建立一个在任何经济环境下都能表现不错的资产组合；但风险平价这一概念出现较晚，产生于2006年；2008年以前，风险平价策略还主要集中在股票、债券、大宗商品等传统的资产类别，仅有少数人利用了高收益债券、投资级债券及新兴市场债券的利差。2008年，AQR首次推出了其他风险因子otic/Alternative Risk Factor）,将对冲基金等作为该策略资产组合的一部分。

概念：基于目标风险水平，有多种e资产构成投资组合，并给组合中的不同资产分配相同的风险权重的一种投资策略。

https://bigquant.com/experimentshare/6202fc78d2a44a509a5e422b68890491

\

\

https://bigquant.com/experimentshare/4f0628d6e9814924a0b0dbf375356d06

\

https://bigquant.com/experimentshare/90893ae479534a35b18333465ba620b2

\

\

如何推八字

\