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。
面对“高夏普”的降低，管理人该如何保持获取超额收益的竞争力？
#业内人士透露，伴随量化交易的迅猛发展，越来越多的百亿级量化私募选择降频，目前主流量化多头的年均换手率已降至30倍至50倍。降频意味着夏普比率的降低，策略的周期性特点会更加明显，管理人如何继续保持获取超额收益的竞争力？
私募排排网最新数据显示，截至目前，百亿级量化私募数量已高达34家。而在1年前，百亿级量化私募数量只有18家。也就是说，短短1年时间，头部梯队扩容了翻了一番。
另外，据某大型券商统计，截至6月底，管理规模超过200亿元的量化私募达到10家，其中管理规模超过400亿元的机构有6家。
面对“高夏普”的离去，管理人该如何保持获取超额收益的竞争力呢？在多位业内人士看来，基本面因子
更新时间：2022-08-01 05:23
回测交易
涉及国内主要品种的不同的频率的回测与交易
\
更新时间：2022-07-31 01:58
金工年度总结：2017市场表现与策略回顾 海通证券_20180108_
摘要
本文汇集了海通量化团队在大类资产配置、指数增强、因子择时以及CTA这四方面的核心研究成果，着重展现了策略在2107年的业绩和风险收益特征。
大类资产配置策略。2017年，包含权益和债券两类资产的积极的风险均衡（ARP） 组合累计收益率为6.94%，最大回撤仅有3%，夏普比率高达1.164。
沪深300指数增强策略。2017年，沪深300增强组合累计收益为35.58%，同期沪深300指数的累计收益为21.77%，超额收益为13.81%。指数增强策略的年化跟踪误差为2.82%，信息比率为4.9。
中证500指数增强策略。2017年，中证500增强组合累计收益为12.60%，
更新时间：2022-07-30 01:06
https://bigquant.com/community/t/topic/164619新闻文本情感文章里的策略报错
更新时间：2022-06-15 05:58
高质量AI量化策略
更新时间：2022-05-22 01:17
【夏普比率6+策略源码分享】
更新时间：2022-04-29 02:25
问下策略固化
已解决
更新时间：2022-04-28 06:59
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
因子过滤
更新时间：2021-12-14 13:18
指定概念板块过滤
更新时间：2021-12-14 13:18
回测数据深入分析（代码）
导语：本文介绍如何对一个回测结果进行深入分析。
策略案例
我们先看一个AI策略，以下是完整的策略代码。
https://bigquant.com/experimentshare/eb2f4ca3f7c0474c95341ae1202cac0f
\
更新时间：2021-12-14 13:11
控制每日仓位的一个例子
更新时间：2021-12-14 13:08
指数研究与指数化投资系列：科创板50与创业板50的量化对比分析-中信证券-20200727
摘要
科创50与创50指数成分股均以科技板块为主，科创50编制方法更贴合国际主流。市值分布上科创50更具小盘特征，行业权重专注信息技术；创50则聚焦医药板块，市值覆盖度更高。科创50与创50相关性高，创50估值和夏普比率更高，而科创50盈利成长性更高，投资波动性更大。目前四只科创50ETF有望落地；创业板50指数的唯一ETF为华安创业板50ETF。
科创50和创业板注册制助力中国资本市场改革：资本市场助力科技兴国，科创板和创业板注册制吹起改革之风，上证科创板50成份指数闪亮登场，扬帆启航；科创50指数的编制充分借鉴了海外经验，成分股权重存在约束条件，避免风险过于集中，且选股标
更新时间：2021-11-26 09:09
神经网络交易算法
更新时间：2021-09-08 03:03
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
基于XGBoost的价值选股策略代码
本代码完整版一共包括三部分：数据、算法、回测交易。 由于该策略与机构有一些合作，我们只放出了数据和算法。希望大家能够理解！
策略案例
https://bigquant.com/experimentshare/5a93201876eb401e998867e0b5106175
\
更新时间：2021-07-30 08:09
用线性-分类算法实现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
A股量化择时研究报告：金融工程，战略做多不变-广发证券-20200329
更新时间：2021-04-22 02:46
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