作者：Murphy N. J., Gebbie T. J.
出处：Quantitative Finance, 2021-03
本文使用了一种基于对抗型专家的在线学习算法来学习，使财富最大化的零成本组合交易策略所需的最佳参数。该学习算法用于确定大量技术交易策略的动态，这些技术交易策略可以通过历史回测，并从约翰内斯堡证券交易所每日和日内数据执行的基础交易策略集合中形成一个聚合的投资组合交易策略。本文一个关键的贡献是：在每日取样和日内时间尺度上，使用一个新的假设检验来测
更新时间：2023-06-13 06:53
更新时间：2023-05-23 02:30
更新时间：2023-05-03 03:34
更新时间：2023-01-03 07:44
更新时间：2022-11-20 03:34
20220623-StockRanker多因子选股策
更新时间：2022-06-29 01:14
导语：本文介绍如何对一个回测结果进行深入分析。
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
来源：The Journal of Portfolio Management December 8,2021
标题：Trending Fast and Slow
作者：Eddie Cheng, Nazar Kostyuchyk, Wai Lee, Pai Liu, Chenfei Ma
时序动量策略的基础是假设过去的收益对未来的收益有一定程度的预测能力。通常，一个策略是通过在上涨阶段建立多头头寸，在下跌阶段建立空头头寸来实现的。学术文献文献表明，最近过去的资产收益与未来收益正相关。时序动量策略的有效性在多个时期、许多市场和许多资产中得到了证明。
更新时间：2021-12-14 02:28
原文标题：The Journal of Portfolio Management Multi-Asset Special Issue
2021 3.29
作者：Olivier Schmid 、Patrick Wirth
标题：Optimal Allocation to Time-Series and Cross-Sectional Momentum
中文编辑：量化投资与机器学公众号 QIML Insight 系列
\
趋势（或动量）策略应该根据市场的状态，动态分配策略在时序动量与截面动量的权重。
基于时序动量与截面动量的组合策略主要依赖于各品种的趋势强度及品种间的相
更新时间：2021-11-26 08:39
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！
https://bigquant.com/experimentshare/5a93201876eb401e998867e0b5106175
\
更新时间：2021-07-30 08:09
更新时间：2021-07-30 08:05