人工智能

人工智能（AI）正在重塑金融业的未来，为从银行到投资管理的各个细分领域提供了前所未有的机会。AI的高级数据处理和分析能力加速了交易的速度并提高了精准性，让市场动态更加透明、可预测。此外，AI驱动的自动化服务降低了运营成本，改善了客户体验，如在智能客服、个性化金融产品和服务推荐等方面的应用。然而，人工智能也带来了新的挑战，如数据安全、算法偏见和合规性问题等，这都需要金融业在探索和采纳新技术的同时进行认真思考和应对。总体来说，AI正驱动金融向更加高效、个性化以及智能化的方向前进。

导语

“人工智能”概念日益兴起，“谷歌围棋程序AlphaGo全面碾压专业选手”类似新闻逐渐增多，人工智能时代已经来临。通过短文快

更新时间：2025-07-24 05:45

导语

人工智能（AI）技术得到了飞速发展，其在各个领域的运用也不断取得成果。机器学习被评为人工智能中最能体现人类智慧的技术，因此开发AI量化策略可以理解为将机器学习应用在量化投资领域。

理解机器学习算法

以StockRanker为例

机器学习算法太多，本文讨论只针对适用于金融数据预测的常用有监督型机器学习（Supervised Machine Learning）算法：StockRanker。假设我们要去预测某个连续变量Y未来的取值,并找到了影响变量Y取值的K个变量，这些变量也称为特征变量（Feature Variable）。机器学习即是要找到一个拟合函数 ![](/w

更新时间：2025-07-24 03:26

用CNN算法实现A股股票选股

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。

为什么要用深度学习？

深度学习目前最成功的场景应用

更新时间：2025-07-23 08:56

股票主动投资组合管理思想和框架

这是关于股票主动投资组合管理的第一篇教程。在开始介绍正式内容之前，我先简要简要说一下《Alpha系列》的初衷。

近年来，随着国内大数据和人工智能的迅速崛起，量化交易领域也有了长足的发展。从原来的指标驱动型程序化交易，演化到现在的以机器学习、人工智能为代表的新型量化交易。同时，量化交易的门槛与过去相比下降了许多。不仅是因为这些年数据科学的发展带动了python及其生态的成熟和推广，更由于类似tushare、vnpy、zipline等开源项目以及像quantopian、n2nquant等量化平台的出现，使得以前做量化先造轮子到现在量化从业者可以专注于策略的研发，使得更多的人能够进入到这个领

更新时间：2025-07-23 08:18

🌟102-第一个AI策略

策略介绍

本策略AI算法来预测股票的未来表现，并进行排序。这里使用算法StockRanker，BigQuant 平台开发的一种先进的机器学习算法，专门用于量化选股排序学习，通过在多个因子/特征的数据上训练，旨在从大量股票中识别并排序那些未来表现可能最优异的股票。

策略思想

策略基于以下几个核心思想：

特征选择：输入对股票价格有显著影响的多维度因子，可以是包括基本面、技术指标、情绪指标等等
预测目标：预测未来 5 日收益率
数据抽取和处理：抽取和处理数据
模型训练：应用StockRanker算法，训练模型来预测股票未来上涨概率。StockRa

更新时间：2025-07-01 07:55

最全算法：24种人工智能算法原理、优缺点及投资使用场景

至2021年，前30家百亿私募量化机构中29家在官网介绍了其人工智能开发，或正在招募人工智能人才。

编号	公司简称	成立时间	是否涉及AI	编号	公司简称	成立时间	是否涉及AI
1	鸣石投资	2i010/12/9	是	11	幻方量化	2015/6/11	是
2	天演资本	2014/8/5	是	12	衍复投资	2019/7/25	是
3	世纪前沿资产	2015/8/24	是	13

更新时间：2025-07-01 07:35

【强化学习简介】Deep Mind× UCL 2021年强化学习课程第1讲

第1讲:强化学习介绍

科学家Hado van Hasselt介绍强化学习课程，并解释了强化学习与人工智能的关系。

https://www.youtube.com/watch?v=TCCjZe0y4Qc

/wiki/static/upload/e6/e608fd2d-b563-43ab-93fe-211fee1244b2.mp4

[/wiki/static

更新时间：2025-07-01 07:35

机器学习量化投资实战指南

本文14323字，阅读约28分钟

导语：本文旨在用精炼的语言阐述实操层面的机器学习量化应用方法，包括给出实践中一些常见、实际问题的处理方案，并结合了量化应用实例。读完后大家可以在本平台进行实践检验。

文章概览：

1.人工智能量化投资概述

2.人工智能技术简介

3.机器学习在量化投资中应用的具体方法解析

AI相对于传统量化投资的优势 传统的量化投资策略是通过建立各种数学模型，在各种金融数据中试图找出市场的规律并加以利用，力所能及的模式或许可以接近某一个局部的最优，而真正的全局“最优解”或许在我们的经验认知之外。如同不需要借助人类经验的Alpha Zero，不仅

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

lightGBM_AI选股

https://bigquant.com/experimentshare/2fbb2629dcb0450bbf72e224835b4957

更新时间：2025-07-01 07:10

量化交易模型及策略2023版

量化交易利用数学和统计学方法来分析市场并执行交易的过程，是现代金融的一个重要组成部分。量化模型的目的是通过算法自动识别并利用市场中的规律和机会，用以获取更多收益。

量化交易模型的一般由以下几个部分组成：

1 数据处理模型: 量化交易的基石是数据。这包括了从历史价格、成交量到公司财报、宏观经济指标等各类数据。对这些数据的收集、清洗和处理是构建有效模型的首要步骤。**[BigQuant策略编写平台](ht

更新时间：2025-07-01 06:51

AI量化技术

AI量化领域结合了人工智能（AI）、机器学习（ML）以及量化金融的技术和方法。这一领域的目标是使用算法和计算模型来分析大量金融数据，从而做出投资决策或提高交易效率。

一些在AI量化领域重要技术和方法，以及在金融领域的应用：

机器学习算法：机器学习算法是AI量化领域的核心。它们包括监督学习、非监督学习和强化学习。
- 监督学习，如支持向量机（SVM）、神经网络、决策树等，用于预测或分类任务，如股价预测、信用评分。
- 非监督学习，如聚类、主成分分析（PCA）等，用于发现数据中的模式和关系，如市场细分、异常检测。
- 强化学习，如Q学习

更新时间：2025-06-30 08:38

【宽邦招聘】8大类30+职位，期待优秀的你 (内推送iPhone 13)

关于我们

宽邦科技是一家领先的人工智能平台科技公司，总部位于四川成都，成立于2016年，是AI赋能投资场景的领先企业，核心团队主要来自微软亚洲研究院等一线AI企业和金融机构。基于领先的AI技术和深入的领域实践，宽邦科技在AI平台、投资算法、量化引擎、新型投资大数据等技术上持续前沿探索，研发了企业级全栈AI平台BigAI和低门槛、端到端的AI投资平台BigQuant等金融科技基础平台，为投资者和投机构提供投资管理的从数据分析、因子挖掘、策略研究、AI建模、组合构建、回测模拟到实盘交易的全周期AI赋能。宽邦科技已在服务数十万量化投资者和银行、证券、保险、基金等多家头部金融机构。目前，Big

更新时间：2025-04-24 04:07