互斥事件是指不能同时发生的事件。例如，您不能同时向后和向前跑、抛硬币不能同时出现正反面。同样，金融市场交易实践中也存在相互排斥的事件。
可以解释金融市场交易中相互排斥事件的一个非常简单的示例，包括您的预算和同时不同股票的价值。
现在，假设您在投资组合中需要股票 A、股票 B、股票 C 和股票 D。这些股票如下图所示（黑线为市场指数），这些股票随着时间的推移而增值。
![交易中互斥事件的示例{w:100}{w:100}{w:100}](https://d1rwhvwstyk9gu.cloudfront.net/2022/
更新时间：2024-05-22 10:44
freestyle996+如何运用股票标注的方法对1-3日内上涨的股票进行标注?
https://www.bilibili.com/video/BV1uP4y1R7kh/?spm_id_from=333.999.0.0
[https://bigquant.com/experimentshare/0a4bb333c1bb4f4e91d7701a3538f6f4](https://bigquant.co
更新时间：2024-05-21 09:10
新版请移至:
https://bigquant.com/wiki/doc/5yid6kg5y2p5pw0-d4d4ECrxKn
本文介绍了协整的初步内容。
协整是什么这个问题回答起来不是那么直观，因此我们先看下图，了解一下具有协整性的两只股票其价格走势有什么规律。
![图1 两只协整股票的走势](/wiki/api/attachments.redirect?id=c7299e97-d4d4-44
更新时间：2024-05-21 06:44
更新时间：2024-05-21 06:30
更新时间：2024-05-20 07:21
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
更新时间：2024-05-20 07:17
更新时间：2024-05-20 02:37
算法交易起源于上世纪中叶的配对交易
历史上最早使用算法交易的例子可以追溯到1949年。对冲基金之父阿尔弗雷德·琼斯，利用空对多3：7的比例进行配对交易，在1955年到1964年间，综合回报率高达28%。到了上世纪60年代早期，投资者开始利用计算机通过分析股票的周线和月线来预测价格运动方向。
配对交易逐渐成熟，发展成后来的算法交易。随后算法交易策略慢慢在华尔街流传开来并被广泛使用，同时也带来了非常可观的盈利。原来在摩根士丹利从事配对交易的研究员，后来逐渐成为如大卫·肖、詹姆斯·西蒙斯这类明星基金经理手下的精英，算法交易的“黑盒子”便由此诞生。
随着计算机的广泛普及，华尔街各大
更新时间：2024-05-20 02:09
本文为旧版实现，仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
\
https://bigquant.com/experimentshare/723e10568f294571924b89f3953ce20b
\
更新时间：2024-05-20 01:02
本文为旧版实现，仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
https://bigquant.com/experimentshare/72d5601550164505aad979f7265f8fec
\
更新时间：2024-05-20 00:50
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
更新时间：2024-05-17 07:25
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
更新时间：2024-05-17 06:42
更新时间：2024-05-17 06:27
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
更新时间：2024-05-17 03:49
本文为旧版实现，供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
\
https://bigquant.com/experimentshare/53afe5c70e1f48b28f66eeb980d86ebb
\
更新时间：2024-05-15 06:37
动量策略指的是投资者跟随市场的大势、根据投资品的上涨或者下跌趋势做出相应的做多、做空交易。因此，动量策略又叫**趋势追踪（trend following）**策略。
动量策略的核心是“追涨避跌”。具体来说，这种策略会：
更新时间：2024-05-10 02:48
sss
更新时间：2023-07-06 07:55
投资者依靠股票-债券的相关性来构建最优投资组合、设计对冲策略和评估风险。大多数投资者只是通过推断月度收益的历史相关性来估计股票与债券的长期相关性，但这种方法显然是不可靠的。作者为产生可靠的股票-债券相关性的预测引入了四项创新。首先，本文引入单期相关的概念，以解决股票和债券收益的自相关和滞后交叉相关不为零以及长期相关性随时间变化的问题。第二，确定了股票-债券相关性的基本预测因子。第三，将股票和债券相关性建模为一些基本预测因子路径的函数，而不是单一观测值的函数。最后，对样本进行审查，进行部分样本回归。结果显示，股票-债券相关性预测的可靠性得到显著提高。
[/wiki/
更新时间：2023-06-13 06:53
本文介绍了再平衡的定义、分类，对比了再平衡策略和买入并持有的差异，并针对再平衡策略进行改进优化。定期再平衡在投资组合中股票相对债券出现单边趋势行情时，表现不如买入并持有。为了提高再平衡在不同行情中的适应性，本文提供了一系列在实践中可行的方案。通过对中美股债组合再平衡的回测分析，发现适当降低定期再平衡的频率或采用超出范围再平衡策略可以在趋势行情中提高收益并减小回撤。此外将部分资金投入到股票趋势策略中，或以趋势信号判断行情走向后再选择性地进行再平衡，都能够增强再平衡策略在不同市场环境下的适应性。
更新时间：2023-06-13 06:53
作者：Murphy N. J., Gebbie T. J.
出处：Quantitative Finance, 2021-03
本文使用了一种基于对抗型专家的在线学习算法来学习，使财富最大化的零成本组合交易策略所需的最佳参数。该学习算法用于确定大量技术交易策略的动态，这些技术交易策略可以通过历史回测，并从约翰内斯堡证券交易所每日和日内数据执行的基础交易策略集合中形成一个聚合的投资组合交易策略。本文一个关键的贡献是：在每日取样和日内时间尺度上，使用一个新的假设检验来测
更新时间：2023-06-13 06:53
作者：Adriano Koshiyama, et al.
出处：Quantitative Finance, 2020-09-01
系统交易策略是分配资产以优化特定绩效的算法程序。为了在竞争激烈的环境中获得优势，分析师需要适当地微调策略，或者发掘如何通过创造新的alpha以组合弱信号。已经有多种方法对微调和组合这两个方面进行了广泛研究，但是新兴技术，例如生成对抗网络，也会对这些方面产生
更新时间：2023-06-13 06:53
AI量化策略中如何选择合适的因子
https://www.bilibili.com/video/BV1J24y1f7mJ/?spm_id_from=333.999.0.0
{{membership}}
[/wiki/static/upload/42/4267409e-a9f4-42db-bb79-1321ba5e4c59.pdf](/wiki/static/upload/42/4267409e-a9f4
更新时间：2023-05-06 07:23
更新时间：2023-04-28 09:53
更新时间：2023-03-19 04:32
更新时间：2023-01-03 07:44