投资组合优化
投资组合优化是从金融角度出发，通过多元化的资产配置以降低风险并寻求最大化收益的过程。它涉及对不同资产类别的深入理解和前瞻性市场分析，以确定最佳的投资组合权重。通过现代投资组合理论，如马科维茨投资组合理论（MPT），投资者可以利用资产的历史回报和波动率数据，量化不同资产间的相关性，从而构建出具有理想风险-收益平衡的投资组合。在优化过程中，还需考虑投资者的风险承受能力、投资期限和市场预期等因素。持续监控和定期调整是优化投资组合不可或缺的部分，以确保投资组合与市场环境和投资者目标保持一致。
Deep Alpha 研讨会-互动问答环节
Q1:现在海内外量化实践有什么代际差吗？海外接下来量化方向除了另类数据应用，还有什么发展潮流？他们对于国内量化市场是怎么判断的？
**关子敬：**在我看来海内外最主要的差别是：国内投资人是偏向喜欢直接对股价做预测，而海外直接预估股价比较少，主要做填充模型（imputation model），针对遗失数据做估算，特别是在
更新时间：2022-04-27 01:48
Deep Alpha 研讨会—《Bloomberg：风从海外来 海外AI量化最新前沿》
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
更新时间：2022-04-18 02:08
DeepAlpha研究报告
\
更新时间：2022-04-18 02:07
文档整合
更新时间：2022-04-11 11:00
GBDT多因子选股策略
更新时间：2022-03-04 06:58
可视化策略-AI选股
更新时间：2022-03-04 06:37
自定义数据进行因子分析demo
\
更新时间：2022-02-25 06:08
自定义数据进行因子分析demo
更新时间：2022-02-21 11:25
使用神经网络进行端到端风险预算投资组合优化
论文原名
End-to-End Risk Budgeting Portfolio Optimization with Neural Networks
论文作者
A. Sinem Uysal, Xiaoyue Li , and John M. Mulvey
修订时间
2021年7月9日
引言
投资组合优化一直是金融领域的核心问题，经常与两个步骤：校准参数，然后解决优化问题。然而，两步过程有时会遇到“误差最大化”问题，其中参数估计的不准确转化为不明智的分配决策。在这论文中，我们将预测和优化任务结合在一个单一的前馈神经网络中网络并实施端到端的方法，在那里我们学习
更新时间：2021-12-28 02:40
金融强化学习的最新进展
论文原名
Recent Advances in Reinforcement Learning in Finance
论文作者
Ben Hambly-牛津大学数学研究所
Renyuan Xu-南加州大学工业与系统工程系
Huining Yang
发布时间
2021 年 12 月 10 日
引言
随着数据量的不断增加，金融行业的快速变化已经彻底改变了解决了数据处理和数据分析技术，带来了新的理论和计算挑战。与经典随机控制理论和其他分析应用相比，解决严重依赖模型假设的财务决策问题的方法，强化学习（RL）的新发展能够充分利用大量减少模型假设的财务数据，并改进复杂
更新时间：2021-12-13 07:43
跟着李沐学AI—GNN论文精读 【含研报及视频】
研报标题：A Gentle Introduction to Graph Neural Networks
发布时间：2021年
作者：Benjamin Sanchez-Lengeling、Emily Reif、Adam Pearce、Alexander B. Wiltschko
摘要
这篇文章是关于图神经网络的两篇论文之一。看一看理解图上的卷积，了解图像上的卷积如何自然地概括为图上的卷积。
图表无处不在;现实世界中的对象通常是根据它们与其他事物的联系来定义的。一组对象，以及它们之间的联系，很自然地被表示为一个图形。研究人员已经开发了十多年的基于图数据的神经网络(称为图神经网络，或
更新时间：2021-11-30 05:44
《因子选股系列研究之六》：用组合优化构建更精确多样的投资组合-东方证券-20160219
多因子选股模型的整个投资流程包括alpha模型的构建，风险模型的构建，交易成本模型的构建，投资组合优化过程以及组合业绩的归因分析。从国内市场上已公开的量化模型看，采取的大多是打分法选股或者行业、市值分层构建组合，这种组合构建方式缺乏对风险和alpha的精确控制，最终组合可能偏离预定的投资目标
多因子结构化风险模型(如Barra, Axioma)目前仍然是市场上的主流风险模型。股票收益率的样本协方差矩阵面临的主要问题是：在股票数量N超过时间样本区间T时，协方差矩阵不可逆，并且包含着较大的估计误差，这些都会严重影响到投资组合优化，使得优化器给出错误的权重分配。
根据Ledoit and Wo
更新时间：2021-11-22 07:53
《风从海外来 海外AI量化最新前沿》Deep Alpha 海内外最佳实践探索研讨会文字实录
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
谢谢Big Quant的邀请，今天所有策略的绩效仅作交流的用途展示概念，投资人如果对策略本身有兴趣的话，请在我们网站下载白皮书或是与我们的客户经理联系。
1全球资产管理报告 AUM升高 收
更新时间：2021-09-29 03:51
用线性随机梯度下降-回归算法实现A股股票选股
更新时间：2021-07-30 08:12
LSTM Networks应用于股票市场之Sequential Model
更新时间：2021-07-30 08:10
用支持向量机-回归算法实现A股股票选股
更新时间：2021-07-30 07:26
StockRanker排序
更新时间：2021-07-30 07:26
使用bigexpr表达式引擎开发AI策略
更新时间：2021-07-30 07:26
Transformer在量化选股中的应用
一、基于时间嵌入的方法
当前应用于NLP领域的Transformer，结构过于庞大，并不适用于股票数据（开盘价，收盘价，最高价，最低价，等）这样的时序数据，因此，本文提出一种简化的适用于股票数据的Transformer结构，其根据时间嵌入的思想构建，能很好的应用于量化选股中。下面以一个例子来介绍用于股票数据的Transformer体系结构，以及
更新时间：2021-02-03 07:05