作者:woshisilvio

AI量化的玄学- 第一章

如何更有效率的对抗过拟合？ 对抗随机性？---

答

国内量化交易起步较晚，大约15年开始，20年开始爆发，21年量化私募规模飙升。由于容量过大，出现了一个头部量化私募中性策略导致大幅回调的问题。对于a股来说，量化交易仍然是一种相对较新的投资方式。自20年以来，监管已经关闭了证券公司的外部接口。因此，如果你想进行定量交易，你必须使用证券公司的level

更通俗的来说，使用Level-2与使用普通行情相比，多了下述的好处：https://gitee.com/l2gogogo

1.  行情更快。Level-2数据实时推送报价以毫秒为单位刷新行情，并且不需要手动刷新行情。还可以实时监测多只股票的行情数据。主力动向，筛选底子好的股票，进行量化交易。

Overview

• 研究数字货币价格走势
• 算力变化对数字货币价格的影响

获取数字货币代码列表

• 使用 f2pool 的数据

def bigquant_run(input_1, input_2, input_3):
    import requests

1.起因：最近刚刷到某J量化平台的代码复现，觉得很巧，因为最近我也在复现此篇研报。

2.研报因子梳理：研报对隔夜涨跌因子的定义分析总共是经历三个阶段：传统隔夜涨跌因子，新隔夜涨跌因子，去除系统性收益的隔夜涨跌因子。本代码一步到位：直接对最终的涨跌因子进行复现分析。

**3.本代码

策略案例

[https://bigquant.com/experimentshare/41ba8c41f99346a6872f3ecac3a50c80](https://bigquant.com/experimentshare/41ba8c41f99346a6872f3ecac3a50c8

/

https://bigquant.com/experimentshare/3cbd09c0d13244e993b3e17afdb0479e

\

策略案例

[https://bigquant.com/experimentshare/6ac00fc386f74acb886b8168d7809b98](https://bigquant.com/experimentshare/6ac00fc386f74acb886b8168d7809b9

Asymmetry of Retail Investors’ Attention and Asymmetric Volatility: Evidence from China

作者：Shuning Chen, et al.

出处：Finance Research Letters, 2020-10

作者：Jianchun Fang, et al.

出处：Finance Research Letters, 2020-01

摘要：本文研究了投资者情绪与中国股市波动之间的关系。作者使用百度的数据来获取有关投资者情绪的信息。在两个不同的GARCH模型中（基准模型和百度指数扩展模型），作者预测了中国

作者：Ashiq Ali, et al.

出处：Journal of Accounting, Auditing& Finance，2019-03

摘要：本文探讨了公司信息披露行为是否是导致预测离散度异常的原因之一，即分析师预测离散度与未来股票收益之间存在负相关关系。之前的研究表明，企业倾向于推迟

Information Flow Networks of Chinese Stock Market Sectors

中国股市的行业信息流动网络

作者：Peng Yue, Qing Cai, et al.

出处：arXiv.org, 2020-04

摘要

Constructing Long-Short Stock Portfolio with A New Listwise Learn-to-Rank Algorithm

作者：Xin Zhang, et al.

出处：Quantitative Finance, 2021-07

摘要：随着机器学习

Left-tail Risk in China

作者：Fang Zhen, et al.

出处：Pacific-Basin Finance Journal, 2020-07

摘要：Atilgan等人曾研究发现，在美国和国际发达国家，左尾风险与个人股票交易的未来收益之间存在显著的负截面关系。中国

中国A股市场中因子选股的案例

作者：Daniel Fang, Diana Olteanu-Veerman

出处：SSRN, 2020-04

摘要：近年来，由于其规模和对全球金融市场的重要性，中国A股市场吸引了全球投资者的极大兴趣。A股市场具有独特的市场特征和监管环境，这给机构投资者带来了挑战。

导语:

本文是TensorFlow实现流行机器学习算法的教程汇集，目标是让读者可以轻松通过清晰简明的案例深入了解 TensorFlow。这些案例适合那些想要实现一些 TensorFlow 案例的初学者。本教程包含还包含笔记和带有注解的代码。

最好的学习就是不断的实践，推荐 [Bi

Continuous Time Mean Variance Portfolio Selection: A Reinforcement Learning Framework

作者：Haoran Wang, Xunyu Zhou

出处：Mathematical Finance, 2020-10

摘

从一年经历来看,表现不尽人意.没有超过年化70%的。

要是有滑点的话全部为负(滑点0.2%,年化60%,1.6*0.998^250=0.969,负3.1%)

最近看到一大神可以做到没有滑点,链接：《[给新宽客朋友的一点点建议](https://bigquant.com/community/t/

Quantifying the Semantics of Search Behavior Before Stock Market Moves

作者：Chester Curme, Tobias Preis, et al.

出处：PNAS，2014-07

摘要：技术正逐渐深入社会结构，互联网已经成

Forecasting Stock Price Movements with Multiple Data Sources: Evidence from Stock Market in China

作者：Zhongbao Zhou, et al.

出处：Physica A, 2020-03

本文主要有以下几点改进： 1.特征：加入新特征，beta，macd，willr等。 2.模型：使用随机森林，其中树的个数限制为15，树的最大深度为25，防止过拟合。使用回归算法而不是分类算法。 3.标注：使用（卖出价格-买入价格）/ 买入价格作为标签。 4.回测：股票资金分配，使得排名靠前的

策略案例

[https://bigquant.com/experimentshare/5c76d204e7f146a4b2840f9b47a9d732](https://bigquant.com/experimentshare/5c76d204e7f146a4b2840f9b47a9d73

https://bigquant.com/experimentshare/a4e89b23c2de4c56b6534136169d13c1

\

策略案例

[https://bigquant.com/experimentshare/dc13d0aed4b64f48803af3f764129b44](https://bigquant.com/experimentshare/dc13d0aed4b64f48803af3f764129b4