交易算法

交易算法是金融领域中的一项关键技术，通过预设规则和自动化决策，能在复杂多变的市场环境中实现高效、精准的交易执行。它们运用先进的数学模型，对市场数据进行实时分析，迅速识别交易机会并自动执行交易操作，从而有效规避人为情绪干扰和决策延误。交易算法不仅提高了交易的效率和准确性，也降低了交易成本，为现代金融市场的运行提供了强大的技术支持。随着人工智能和大数据技术的不断发展，交易算法在金融领域的应用将更加广泛，成为推动金融市场创新和发展的重要力量。

【历史文档】策略示例-使用BigQuant平台复现XGBoost算法

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

机器学习常用35大算法盘点

本文将带你遍历机器学习领域最受欢迎的算法。系统地了解这些算法有助于进一步掌握机器学习。当然，本文收录的算法并不完全，分类的方式也不唯一。不过，看完这篇文章后，下次再有算法提起，你想不起它长处和用处的可能性就很低了。本文还附有两张算法思维导图供学习使用。在本文中，我将提供两种分类机器学习算法的方法。一是根据学习方式分类，二是根据类似的形式或功能分类。这两种方法都很有用，不过，本文将侧重后者，也就是根据类似的形式

更新时间：2024-12-31 08:32

一文读懂遗传算法（附python）

几天前，我着手解决一个实际问题——大型超市销售问题。在使用了几个简单模型做了一些特征工程之后，我在排行榜上名列第 219 名。

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

虽然结果不错，但是我还是想做得更好。于是，我开始研究可以提高分数的优化方法。结果我果然找到了一个，它叫遗传算法。在把它应用到超市销售问题之后，最终我的分数在排行榜上一下跃居前列。

![{w:100%}{w:100}{w:100}{w:100}](/

更新时间：2024-12-31 08:29

最全算法：24种人工智能算法原理、优缺点及投资使用场景

至2021年，前30家百亿私募量化机构中29家在官网介绍了其人工智能开发，或正在招募人工智能人才。

编号	公司简称	成立时间	是否涉及AI	编号	公司简称	成立时间	是否涉及AI
1	鸣石投资	2i010/12/9	是	11	幻方量化	2015/6/11	是
2	天演资本	2014/8/5	是	12	衍复投资	2019/7/25	是
3	世纪前沿资产	2015/8/24	是	13

更新时间：2024-12-05 02:07

人工智能系列课程

更新时间：2024-09-12 03:37

监督式机器学习算法的应用：择时

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

《Machine Learning for Stock Price Forecasting》是Ali El-Shayeb撰写的机器学习系列文章，本文主要介绍其第二部分内容——《监督式机器学习算法的应用》，并将其思想和代码应用在中国股票市场，开发出具有择时功能的监督式机器学习算法，最后进行策略回测。对此感兴趣的小伙伴可以直接在

更新时间：2024-06-12 05:57

基于遗传算法挖掘股票因子

https://bigquant.com/codeshare/9aa6342b-2c67-4417-afea-0d5874e5d340

更新时间：2024-06-07 10:55

17种机器学习回归算法在金融的应用

回归是一种挖掘因变量和自变量之间关系的技术。它经常出现在机器学习中，主要用于预测建模。在本系列的最后一部分中，我们将范围扩大到涵盖其他类型的回归分析及其在金融中的用途。

线性回归

简单线性回归

简单的线性回归允许我们研究两个连续变量之间的关系——一个自变量和一个因变量。

简单线性回归方程的一般形式如下：

{w:100} 其中 (β_{0}) 是截距，(β_{1}) 是斜率，(ϵ_{i}) 是误差项。在这个等

更新时间：2024-05-20 03:17

算法交易的主要类型与策略分析

前言

算法交易起源于上世纪中叶的配对交易

历史上最早使用算法交易的例子可以追溯到1949年。对冲基金之父阿尔弗雷德·琼斯，利用空对多3：7的比例进行配对交易，在1955年到1964年间，综合回报率高达28%。到了上世纪60年代早期，投资者开始利用计算机通过分析股票的周线和月线来预测价格运动方向。

配对交易逐渐成熟，发展成后来的算法交易。随后算法交易策略慢慢在华尔街流传开来并被广泛使用，同时也带来了非常可观的盈利。原来在摩根士丹利从事配对交易的研究员，后来逐渐成为如大卫·肖、詹姆斯·西蒙斯这类明星基金经理手下的精英，算法交易的“黑盒子”便由此诞生。

随着计算机的广泛普及，华尔街各大

更新时间：2024-05-20 02:09

神经网络交易算法

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/723e10568f294571924b89f3953ce20b

更新时间：2024-05-20 01:02

“琢璞”系列报告之三十：基于遗传算法的股票分类和组合优化

摘要

在市场上，对于资产、基金的分类一直是大家讨论的话题，根据业绩走势对于基金进行分类我们也曾有相关研究。研究资产的相关性一个重要的应用就是可以利用相似资产找到原资产中不可购买的一部分资产。本期琢璞系列我们推荐Chen, Chun-Hao, and Chih-Hung Yu（2017）的《A Series-based group stock portfolio optimization approach using the grouping genetic algorithm with symbolic aggregate approximations》，文献利用遗传算

更新时间：2023-07-14 03:51

对抗学习：学习动态的技术交易策略

Learning the Dynamics of Technical Trading Strategies

作者：Murphy N. J., Gebbie T. J.

出处：Quantitative Finance, 2021-03

摘要

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