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。

StockRanker多因子选股策略

StockRanker多因子选股策略

https://bigquant.com/experimentshare/1b8882bded4c4127a6c6edc792af662d

\

更新时间:2025-03-13 02:09

分钟数据获取

策略案例

AIStudio3.0.0分钟数据获取请转移至:

https://bigquant.com/wiki/doc/5yig6zkf5pww5o2u6i635yw-6fK4a8ZOZx

[https://bigquant.com/experimentshare/893162aea1dc4c4f953f670293646709](https://bigquant.com/experimentshare/893162aea1dc4c4f953f6

更新时间:2025-03-13 02:08

如何结合欧奈尔的RPS指标,开发AI量化策略?

若想在AIStudio3.0.0种复现这个策略, 请空降:

https://bigquant.com/wiki/doc/rpsai-lgPnmWzLkq

问题

如何结合欧奈尔的RPS指标,开发AI量化策略?

讲解


{w:100}{w:100}{w:100}{w:100}{w:100}


1988年,欧奈尔将他的投资

更新时间:2025-03-13 02:08

筹码理论的探索-筹码分布计算的实现

新版请移至, 新的链接

https://bigquant.com/codesharev2/dd736102-e54b-4d0b-b549-16bd7703a7ac

\

更新时间:2025-03-13 02:08

【历史文档】高阶应用技巧

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:2025-02-27 02:34

【历史文档】高阶技巧-月度调仓_可视化编程示例

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:2025-02-27 02:34

策略研究


\

更新时间:2025-02-27 02:34

投资组合优化器

概述

投资组合优化是指应用概率论与数理统计、最优化方法以及线性代数等相关数学理论方法,根据既定目标收益和风险容许程度(例如最大化收益,最小化风险等),重新调整组合权重的过程,它体现了投资者的意愿和投资者所受到的约束。 投资组合管理者在设定了投资收益预期、风险预算、相关约束和风险模型之后, 依托优化器得到资产配置最优化结果。

由于不同的约束条件、目标函数,会形成不同的优化器。我们可以通过使用组合优化器,进行一段时间的回测,测试整个投资过程,不同的组合优化的方式会带来哪些细微的变化,找到更加符合自身需求的仓位分配方案。

组合优化器支持对股票进行投资优化,目前支持的目标函数如下:

更新时间:2025-02-27 02:34

回测数据的深入分析

导语

本文介绍如何对一个回测结果进行深入分析。

新建一个可视化AI策略

我们先构建一个可视化AI策略,如下所示。

回测结果

回测结果一般指策略运行完毕之后输出的能够综合反映策略效果的综合图表,如下所示:

可以看出,回测结果包括收益概括、交易详情、每日持仓、

更新时间:2025-02-27 02:34

【历史文档】策略-策略示例分类

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:2025-02-27 02:34

【历史文档】算子样例-策略绩效评价

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:2025-02-27 02:34

【历史文档】因子基本使用

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:2025-02-27 02:34

【历史文档】因子高阶使用

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:2025-02-27 02:34

【历史文档】因子构建与标注样例-构建个股相对大盘收益率因子

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:2025-02-27 02:34

【历史文档】因子构建与标注样例-构建大盘收益率因子

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:2025-02-27 02:34

预计算因子


\

更新时间:2025-02-27 02:34

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:2024-12-05 02:26

从均值方差到有效前沿(文字版)

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

更新时间:2024-06-17 07:25

AI量化策略,我该如何理解你?

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

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$f(X_1,X_2,\ldots,X_K|

更新时间:2024-06-11 03:20

运用风险平价策略进行投资

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。

更新时间:2024-06-11 02:44

Alpha系列-因子模型

https://bigquant.com/experimentshare/d10e7682969747bbb8c297180a844c7b

\

更新时间:2024-06-11 02:40

主动投资管理定律(基本篇)

https://bigquant.com/experimentshare/5ffea17cf0ca4e78ab50a84762c2b596

\

更新时间:2024-06-11 02:38

策略中调用其他因子_非AI

2021年4月22日Q1&Q2问题:

策略案例


https://bigquant.com/experimentshare/d50c07db9f7f45168dd745027c04b6d8

\

更新时间:2024-06-07 10:55

49th Meetup

Q1-@james:有什么另类的标注可以推荐下?

https://bigquant.com/wiki/doc/-0kcMgSnQXw

https://bigquant.com/wiki/doc/rengongzhineng-xilie-ershijiu-shouyi-linglei-biaoqian-zhengquan-fuben-xRMNFmmg00

{w:100}{w:100}{w:100}

更新时间:2024-06-07 10:55

59th Meetup

本期提问者:bq22fw19、bq61ym2n、1855680***、bqhz06vb

因子挖掘

如何利用市场信息?

利用市场信息进行量化投资主要涉及以下步骤:

  1. 数据收集:首先,需要收集和整理市场数据,包括股票价格、交易量、基本面数据、新闻、宏观经济数据等。这些信息可以从各种数据供应商或公开数据源获取。
  2. 数据预处理:对收集到的数据进行清洗和预处理,处理缺失值、异常值、重复值等,保证数据的准确性和完整性。
  3. 特征工程:根据投资策略和模型需求,进行特征工程,提取有价值的特征和信号。
  4. 模型构建:选择合适的模型(如回归模型、机器学习模型、深度学习模型

更新时间:2024-06-07 10:55

分页第1页第2页第3页第4页第5页第6页
{link}