夏普比率
夏普比率（Sharpe Ratio）是金融领域中用于衡量投资风险调整后表现的重要指标。它由威廉·夏普于1966年提出，用于量化投资者在承担每单位风险时所获得的超额回报率。夏普比率的计算公式为（回报率 – 无风险利率）/ 标准差，其中，回报率表示资产的平均收益，无风险利率通常与国债收益率相近，而标准差则代表资产收益的波动性或风险。 夏普比率越高，说明在相同风险水平下，投资策略所获得的回报越高，反之则越低。此指标不仅为投资者提供了一个量化工具来评估投资组合的风险与回报之间的平衡关系，还有助于比较不同资产或策略之间的性能。因此，夏普比率在金融决策、资产配置和绩效评估等方面具有广泛应用。
对冲策略研究demo示例
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/0f3871389f5846009ba425fe066d03b2
\
更新时间：2024-05-20 01:07
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
DQN个股择时策略研究
旧版声明
本文为旧版实现，仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
\
导语
本文主要分享一个基于Deep Q Network的对于个股的择时策略
算法简介
DQN与Q-Learning
本文主要使用的是Deep Q Network。DQN是强化学习的一种方法，结合了Q-learning和深度学习神经网络。
Q-learning是用一张表来记录各个状态下的各个行为的q值，它能记录的状态
更新时间：2024-05-20 00:40
基于协整的配对交易
更新
本文内容已经过期，不再适合平台最新版本，请查看如下最新内容：
https://bigquant.com/wiki/doc/5z65lqo5y2p5pw055qe6ywn5a55lqk5pit-6x1P1362eJ
策略案例
[https://bigquant.com/experimentshare/6b05d7bd134e420387acfa25c37b283f](https://bigquant.co
更新时间：2024-05-17 09:23
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
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
深度学习在期货高频上的应用示例
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：2024-05-17 02:54
cvxopt包实现马科维茨投资组合优化
旧版声明
本文为旧版实现，供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
下面代码在新版本不能直接运行，需要修改两处，一处是数据读取，一处是画图，分别参考以下两处链接。
[https://bigquant.com/wiki/doc/
更新时间：2024-05-15 06:48
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
投研小组分享区
更新时间：2023-08-16 09:10
双均线基金策略-股票日频
更新时间：2023-06-01 06:18
策略高级设置
\
更新时间：2023-05-11 03:12
用k-近邻分类算法实现A股股票选股
更新时间：2023-01-03 07:44
机器学习+择时+跟踪止损+技术分析
更新时间：2022-11-20 03:34
多个套利对配对交易
更新时间：2022-11-20 03:34
Alphalens因子分析模板
更新时间：2022-11-20 03:34
马科维茨做上证50指数增强探索
更新时间：2022-11-20 03:34
用传统框架测试机器学习-GBDT算法
更新时间：2022-11-20 03:34
分享一个可视化深度学习建模的例子
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）
更新时间：2022-11-20 03:34
技术择时系列报告之二：均线交叉结合通道突破择时研究 申万宏源_20180410_
更新时间：2022-11-05 08:13
文艺复兴-美国量化私募
交易策略揭秘
Renaissance Technologies文艺复兴科技公司交易策略揭秘记录！该短片中详细介绍了文艺复兴科技公司多年来如何开发各种交易策略，从早期的均值回归到利用内核方法等等。
https://www.bilibili.com/video/BV1ae4y1f7Em
\
更新时间：2022-10-10 12:50
量化私募说
分享头部量化私募团队、策略、深度资料等
\
更新时间：2022-10-10 09:45
量化策略专题研究：行业趋势配置模型研究-中信证券-20200325
更新时间：2022-10-09 11:05