策略案例

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

\

策略案例

https://bigquant.com/experimentshare/10ddc26e7b674144ab9e3738b63010a1

\

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

\

强化学习（RL）是机器学习中最令人兴奋的领域之一，尤其是在交易领域应用时。RL之所以如此吸引人，是因为它允许你优化策略并增强决策方式，这是传统方法无法做到的。

它最大的优势之一是什么？

你不需要花费大量时间手动训练模型。相反，RL可以自行学习和做出交易决策（取决于收到的反馈），并根据市场的动态不断调整。这种效率和自主性是RL在金融领域越来越受欢迎的原因。

根据新闻，“全球强化学习市场在2022年的估值为28亿美元，预计到2032年将达到887亿美元，从2023年到2032年的复合年增长率为41.5%。”

关键的研究报告

以下是Paul推荐的关于金融领域强化学习的关键研究

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

\

https://bigquant.com/experimentshare/3e5c4533c9fa4174a16f8784bccfb69b

\

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

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

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

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

https://bigquant.com/experimentshare/31086300e98a48b3a70354898f56783a

\

导语

在 反转因子的精细结构-研报复现 中，我们实现了反转因子，并结合StockRanker实现了一个简单的策略。本文展示如何再结合更多因子，一起训练和构建策略。

模块解释

• m11：输入我们要引入的其他因子
• m5：抽取基础因子
• m11：抽取衍生因子
• m12：合并反转因子数据和其他因子数据

查看模型特征权重

帮助我们更好的理解特征贡献度。数值越大的，表示因子

【旧版使用说明】此文档为旧版本，相关文档可参考：

https://bigquant.com/wiki/doc/126-KkS3pYVIAH

20210624 Meetup 策略案例

https://bigquant.com/experimentshare/f235e9ce26dc42b9ae9fb57ca6574bf1

\

问题

请教catboost的详细使用方法，对于原先使用xgboost或者stockranker的策略，如何用catboost替换掉xgboost或者stockranker?

视频

https://www.bilibili.com/video/BV1US4y1n79r/?spm_id_from=333.999.0.0

策略源码

[https://bigquant.com/experimentshare/c2422c6678a8

问题

我试过用stockrank来标注做空股票和期货，（默认参数，回测做空的代码都写好）标注上加-，如-shift(close,-2)/shift(open,-1)或-shift(open,-1)/shift(open,-2)，随机生成几百甚至上千的策略回测所取得的效果普遍没有做多好，大多数情况甚至连正收益都达不到，而做多好多都轻松取得正收益，是算法的特性还是有其他窍门？

视频

https://www.bilibili.com/video/BV1Ny4y1E7KJ

\

策略源

策略源码

A：市场风格变化时策略如何自动切换

问题

如何利用滚动回测进行策略开发和因子挖掘？

视频

[https://www.bilibili.com/video/BV1Gr4y177FR?share_source=copy_web&vd_source=2e7dc1240ea373ea6eba1134af8dd086](https://www.bilibili.com/video/BV1Gr4y177FR?share_source=copy_web&vd_source=2

问题

如何从ndcg图上去寻找策略的优化方向？什么样的ndcg曲线是最有效的？

视频

https://www.bilibili.com/video/BV1SF411q7nX?share_source=copy_web

策略源码

[https://bigquant.com/experimentshare/4f51bbd25ff84ad1b99ca47be2712a2d](https://bigquant.com/experiment

【此文档为旧版】 相关新版文档参考：

https://bigquant.com/wiki/doc/ai-rq8QOC2fDb

策略案例

https://bigquant.com/experimentshare/16571b942a8a4a92a4914c15f65d0883

\

备注：本策略含有未开放的数据，故克隆之后无法运行。

{{membership}}

https://bigquant.com/codeshare/b6e80d6b-f5e0-4778-97cf-77fcadb7b488

\

问题

深度学习在期货高频上的应用

策略源码

8月19日Meetup问题模板：

https://bigquant.com/experimentshare/f58dbfb388454407b8a2b99eb14cf1ea

\

策略案例

https://bigquant.com/experimentshare/44df09d365584c4b9874df99f5f69c4f

\

问题

假设同样的label下，IC从0.04提高到0.06但是策略收益却没有明显提升，怎么看待这个现象，怎么处理能让Ic与收益强相关呢？

视频

[https://www.bilibili.com/video/BV1JV4y1J7cU?share_source=copy_web&vd_source=2e7dc1240ea373ea6eba1134af8dd086](https://www.bilibili.com/video/BV1JV4y1J7cU?share_source=copy_web&vd_source=2e7dc1240ea373ea6eba1134af8dd086

量化模型：

• 如何通过python做出量化估值模型？
• 学习线性代数和解析几何对建立模型的优势是什么？
• 如何在XGboost中实现华泰研报关于有序回归作为损失函数和评价函数？

策略优化：

• 为什么策略的预测结果通常不是第一只收益最高？
• 为什么StockRanker的训练次数不是越大越好？
• 概率在量化策略中的应用如何合理化实施？

策略实盘：

• 如何快速判断策略是否能用于实盘？即未来也能带来收益

量化学习：

• 如何入门量化交易？
• 量化交易难度怎么样？

\

双十一活动预热：

**徐啸寅

策略源码

{{membership}}

https://bigquant.com/codeshare/41bf4005-7f89-45a6-921e-51b1dcc771d9

\