高频交易
高频交易是金融市场上的闪电般的交易活动，通过先进的算法和极速的计算机网络，在毫秒甚至微秒级别完成买卖决策，追求微小但稳定的利润。这种交易依赖复杂的数学模型，对市场数据进行实时分析并快速做出反应。由于交易速度极快，高频交易能在极短时间内捕捉到市场上的微小变动并从中获利，但也因其高速和大规模的特性，有时可能加大市场的波动性和系统风险。高频交易在现代金融市场中占据重要地位，既是技术进步的产物，也带来了市场监管和风险管理的新挑战。
【历史文档】策略示例-基金策略
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
【历史文档】策略示例-基金智能策略
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
【历史文档】策略-策略构建
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
机器学习量化投资实战指南
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。
文章概览：
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：2024-12-05 02:26
量化交易模型及策略2023版
量化交易利用数学和统计学方法来分析市场并执行交易的过程，是现代金融的一个重要组成部分。量化模型的目的是通过算法自动识别并利用市场中的规律和机会，用以获取更多收益。
量化交易模型的一般由以下几个部分组成：
1 数据处理模型: 量化交易的基石是数据。这包括了从历史价格、成交量到公司财报、宏观经济指标等各类数据。对这些数据的收集、清洗和处理是构建有效模型的首要步骤。**[BigQuant策略编写平台](ht
更新时间：2024-12-05 02:12
量化投资
导语
1989年发表的论文《The Fundamental Law of Active Management》及其随后的相关论文揭示了寻求主动投资的alpha收益的数量化关系，这为主动组合投资管理带来一套令人信服的分析框架，这个数量化关系很好揭示了数量化技术(量化投资)可以如何或者应该如何切入投资管理领域。
和被动组合管理(passive porfolio management)相比,主动组合管理(active porfolio management)更显投资水平的能力，或者说运气。被动投资力求完全复制相应的基准成分股及其权重，所以每当某指数做成分股的调整时，新入选的股票
更新时间：2024-06-12 02:56
AI量化策略，我该如何理解你？
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。
理解机器学习算法
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
如何将60分钟K线合成120分钟K线
问题
如何利用60分钟K线来合成120分钟K线呢？
视频
https://www.bilibili.com/video/BV1d54y1d7tv/
策略源码
https://bigquant.com/experimentshare/4e081ef44d3246f48551c6eee74f629d
\
更新时间：2024-06-07 10:55
高频回测模块择时策略
问题
高频回测模块择时策略
\
视频
https://www.bilibili.com/video/BV1S44y1y7dc?p=2&share_source=copy_web
策略源码
8月19日Meetup策略模板：
[https://bigquant.com/experimentshare/a6bae485ffcc47819510b788ddfad338](https://bigquant.com/experime
更新时间：2024-06-07 10:55
超参寻优调参顺序
更新时间：2024-06-07 10:55
高频回测模块择时策略
更新时间：2024-06-07 10:55
分钟因子加工
更新时间：2024-06-07 10:55
互信息计算
更新时间：2024-06-07 10:55
按天标注
更新时间：2024-06-07 10:55
高频动量策略与主观超短交易
分享主题
高频动量策略与主观超短交易
\
视频回放
https://www.bilibili.com/video/BV1eG4y147Ki/
\
直播资料
/wiki/static/upload/70/70110d2a-6075-45b4-ad3c-618340dc720f.pdf
\
更新时间：2024-06-07 10:55
59th Meetup
本期提问者：bq22fw19、bq61ym2n、1855680***、bqhz06vb
因子挖掘
如何利用市场信息？
利用市场信息进行量化投资主要涉及以下步骤：
- 数据收集：首先，需要收集和整理市场数据，包括股票价格、交易量、基本面数据、新闻、宏观经济数据等。这些信息可以从各种数据供应商或公开数据源获取。
- 数据预处理：对收集到的数据进行清洗和预处理，处理缺失值、异常值、重复值等，保证数据的准确性和完整性。
- 特征工程：根据投资策略和模型需求，进行特征工程，提取有价值的特征和信号。
- 模型构建：选择合适的模型（如回归模型、机器学习模型、深度学习模型
更新时间：2024-06-07 10:55
如何开发带有反馈系统的策略？
问题
如何开发带有反馈系统的策略？
解答
比如今天买明天卖的策略，根据股票每天的收益情况，反馈给策略，进行参数调整，这样就可以让策略每天都是新鲜的，并且是真正贴合市场的活的策略。
模型动态更新
深度强化学习
[1] Deep Reinforcem
更新时间：2024-06-07 10:55
49th Meetup
更新时间：2024-06-07 10:55
简单网格交易日内择时
AI量化Meetup 2021年1月28日期问题，配合视频更容易理解。视频详见：
策略案例
https://bigquant.com/experimentshare/5dd6b4f7a29d4c5d827aeeff05816cfd
\
更新时间：2024-06-07 10:55
2023-AI量化Meetup
\
更新时间：2024-06-07 10:55
高频期货因子分析
此为0527Meetup直播策略讲解，视频详见2021-AI量化Meetup导览
https://bigquant.com/experimentshare/edab29d0ffad4e039a9c1f5fed1fa870
\
更新时间：2024-06-07 10:55
日线策略信号进行日内择时
【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
\
更新时间：2024-06-07 10:55
时区瑕疵策略
更新时间：2024-06-07 10:55
2021-AI量化Meetup导览
导语
2020年我们开展了近半年的Meetup，共11场Meetup活动，90个问题，7场专题，持续地为大家服务和提供新鲜的灵感。2021年，Me
更新时间：2024-06-07 10:55
回测引擎常用功能示例
更新时间：2024-06-07 10:55