来源:SSRN 作者:Sophie Emerson, Ruairi Kennedy, Luke O’Shea, and John O’Brien
机器学习是人工智能的一个子领域,它使用统计技术为计算机模型提供从数据集学习的能力,允许模型在没有显示编程的情况下执行特定任务。近年来,机器学习技术激增,人们对其在金融领域的应用也越来越感兴趣。在投资管理中,已被应用于新闻的情绪分析、趋势分析、投资组合优化、风险建模等。那么,机器学习在量化投资中有哪些潜在应用呢?
1.常见的机器学习算法
机器学习算法主要有三种:监督学习、无监督学习和强化学习。监督学习是在已知输入和输出的情况下训练出一个模型,将
更新时间:2025-07-01 07:35
本文14323字,阅读约28分钟
导语:本文旨在用精炼的语言阐述实操层面的机器学习量化应用方法,包括给出实践中一些常见、实际问题的处理方案,并结合了量化应用实例。读完后大家可以在本平台进行实践检验。
1.人工智能量化投资概述
2.人工智能技术简介
3.机器学习在量化投资中应用的具体方法解析
AI相对于传统量化投资的优势 传统的量化投资策略是通过建立各种数学模型,在各种金融数据中试图找出市场的规律并加以利用,力所能及的模式或许可以接近某一个局部的最优,而真正的全局“最优解”或许在我们的经验认知之外。如同不需要借助人类经验的Alpha Zero,不仅
更新时间:2025-07-01 07:35
更新时间:2025-07-01 07:11
更新时间:2025-04-24 03:40
更新时间:2025-04-24 03:36
更新时间:2025-04-24 03:36
更新时间:2025-04-24 03:35
更新时间:2025-04-24 03:34
更新时间:2025-04-24 03:20
更新时间:2025-04-24 03:20
更新时间:2025-04-24 03:20
双均线策略是一种简单而又广泛使用的技术分析工具,主要用于识别市场趋势的变化和生成交易信号。这种策略涉及两条移动平均线——一条短期(快速)和一条长期(慢速)——并通过观察这两条线的交叉点来决定买入或卖出的时机。
m_avg(close, 5) AS _mean_short
;50日均线作为长线,`更新时间:2025-04-24 03:20
多因子选股策略是一种简单而又广泛使用的技术分析工具,主要用于识别市场趋势的变化和生成交易信号。
主要用到以下几个因子:
pb
rank(pb)
rank(roe_avg_lf)
rank(roe_avg_ttm)
rank(net_profit_qoq_lf)
rank(roe_avg_lf)+rank(net_profit_qoq_lf)-rank(pb) AS my_rank
roe_avg_lf
roe_avg_ttm
close
adjust_factor
筛选条件:
更新时间:2025-04-24 03:20
更新时间:2025-04-24 03:20
更新时间:2025-04-24 03:20
\
更新时间:2025-04-24 03:19
AIStudio3.0.0分钟数据获取请转移至:
https://bigquant.com/wiki/doc/5yig6zkf5pww5o2u6i635yw-6fK4a8ZOZx
[https://bigquant.com/experimentshare/893162aea1dc4c4f953f670293646709](https://bigquant.com/experimentshare/893162aea1dc4c4f953f6
更新时间:2025-03-13 02:08
新版策略请转向
https://bigquant.com/wiki/doc/talib-OZIAb2sLoM
https://bigquant.com/experimentshare/5d43988b1b9a443284807f6614b8eb5b
\
更新时间:2025-03-13 02:08
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
更新时间:2025-02-27 02:34
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
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
更新时间:2025-02-27 02:34
很多朋友都在尝试使用平台的分钟数据,下面介绍一下分钟数据的读取与分时策略的构建。
df1 = DataSource('bar1m_000001.SZA').\
read(start_date='2015-01-01',end_date='2015-05-01').set_index('date')
更新时间:2025-02-27 02:34
人工智能(AI)技术得到了飞速发展,其在各个领域的运用也不断取得成果。机器学习被评为人工智能中最能体现人类智慧的技术,因此开发AI量化策略可以理解为将机器学习应用在量化投资领域。
机器学习算法太多,本文讨论只针对适用于金融数据预测的常用有监督型机器学习(Supervised Machine Learning)算法:StockRanker。假设我们要去预测某个连续变量$ Y$未来的取值,并找到了影响变量$ Y$取值的$K$ 个变量,这些变量也称为特征变量(Feature Variable)。机器学习 即是要找到一个拟合函数$f(X_1,X_2,\ldots,X_K|
更新时间:2024-06-11 03:20