投资组合

投资组合是从多元化投资角度出发,通过精心选择与搭配不同风险与收益特性的资产,旨在实现特定投资目标并降低风险的一种策略。一个有效的投资组合能够在各种市场环境下保持相对稳定的收益,并通过分散投资来减少单一资产的风险。其核心在于资产配置,即根据投资者的风险承受能力、投资期限和收益预期,将资金分配到股票、债券、现金及替代性投资等不同资产类别中。通过动态地调整组合中的资产权重,可以应对市场环境的变化,以确保组合的表现与投资者的目标和风险容忍度保持一致。

用StockRanker算法实现A股股票选股

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/72d5601550164505aad979f7265f8fec

\

更新时间:2024-05-20 00:50

StockRanker选股+随机森林大盘风控

更新

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

用随机森林-分类算法实现A股股票选股

更新

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

主动投资管理之信息率

https://bigquant.com/experimentshare/3e9b0e7623284f01b7e206d1a3df4b92

\

更新时间:2024-05-17 06:27

深度学习量化交易模型

更新

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

资金流策略,年化收益69.55%

旧版声明

本文为旧版实现,供学习参考。

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

\

策略案例

https://bigquant.com/experimentshare/53afe5c70e1f48b28f66eeb980d86ebb

\

更新时间:2024-05-15 06:37

119-动量策略

策略介绍

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。

策略流程

动量策略的核心是“追涨避跌”。具体来说,这种策略会:

  1. 选择时间窗口:确定回顾期(过去 20 个交易日)来计算资产的回报率。
  2. 计算动量:一般是通过资产的收盘价来计算这个时间窗口内的回报率。
  3. 排名资产:根据计算出的回报率对所有考虑的资产进行排名。
  4. 构建投资组合:选择表现最好的一部分资产进行买入(排名前 10,等仓位分配)

策略实现

更新时间:2024-05-10 02:48

反包策略新思路-7月收益14%

sss

更新时间:2023-07-06 07:55

股票和债券的相关性

简介

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。

全文

[/wiki/

更新时间:2023-06-13 06:53

再平衡策略的收益原理与改进方法-华泰证券-20210913

摘要

再平衡策略可通过多种改进方法,以提高在不同市场环境中的适应性

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。

定期再

更新时间:2023-06-13 06:53

对抗学习:学习动态的技术交易策略

Learning the Dynamics of Technical Trading Strategies

作者:Murphy N. J., Gebbie T. J.

出处:Quantitative Finance, 2021-03

摘要

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

生成对抗网络:用于金融交易策略、和组合优化

Generative Adversarial Networks for Financial Trading Strategies Fine-tuning and Combination

作者:Adriano Koshiyama, et al.

出处:Quantitative Finance, 2020-09-01

摘要

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

双均线股票策略-股票日频

https://bigquant.com/experimentshare/91d5e91c4aec407c95ea3aafdf0ac74f

\

更新时间:2023-06-01 06:21

AI量化策略中如何选择合适的因子

问题

AI量化策略中如何选择合适的因子

视频

https://www.bilibili.com/video/BV1J24y1f7mJ/?spm_id_from=333.999.0.0

PPT

{{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

滚动训练不成功,ix属性问题

https://bigquant.com/experimentshare/0e3ee03644f24afb883e6acd26c8bca2

\

更新时间:2023-04-28 09:53

帮我写篇交易策略


\

更新时间:2023-03-20 05:38

行业轮动量化策略【源码】

本文是行业轮动策略的源码。

策略案例


https://bigquant.com/experimentshare/73f9656a0f5645c8909423df662357ff

\

更新时间:2023-03-19 04:32

如何推八字

如何推八字

更新时间:2023-02-07 10:55

用k-近邻分类算法实现A股股票选股

策略案例


https://bigquant.com/experimentshare/7f7021993a9f40149189be939e15c882

\

更新时间:2023-01-03 07:44

机器学习+择时+跟踪止损+技术分析

策略案例

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

\

更新时间:2022-11-20 03:34

多个套利对配对交易

策略案例

https://bigquant.com/experimentshare/dc13d0aed4b64f48803af3f764129b44

\

更新时间:2022-11-20 03:34

用传统框架测试机器学习-GBDT算法

策略案例

https://bigquant.com/experimentshare/44cc116a1dad4c37983b9be35da208ee

\

更新时间:2022-11-20 03:34

获取港股历史交易信息

策略案例

https://bigquant.com/experimentshare/5f6ffc8016fd47deb6ef696ca7286b35

\

更新时间:2022-11-20 03:34

可视化的上证50指数增强策略(按日换仓)

策略案例

https://bigquant.com/experimentshare/8c890f23a63b46999191a95967575b5c

\

更新时间:2022-11-20 03:34

高年化收益-主力资金AI策略模型分享

策略案例

https://bigquant.com/experimentshare/2d9488a9b36342898a1431052bc78d08

\

更新时间:2022-11-20 03:34

分页第1页第2页第3页第4页第5页
{link}