策略分享-基于CatBoost模型与分类任务的ETF选基策略
0. 策略名词解释
(1)CatBoost模型
CatBoost 是由 Yandex(俄罗斯的一家互联网公司) 开发的一个 基于梯度提升(Gradient Boosting) 的机器学习库,主要用于 分类、回归、排序任务,以处理结构化数据为主。它的名字来自 “*
由bq0m8rec创建,最终由bq0m8rec更新于
CatBoost 是由 Yandex(俄罗斯的一家互联网公司) 开发的一个 基于梯度提升(Gradient Boosting) 的机器学习库,主要用于 分类、回归、排序任务,以处理结构化数据为主。它的名字来自 “*
由bq0m8rec创建,最终由bq0m8rec更新于
==--具有行业风格特征的策略应该如何系统构建?==
电子行业是一个以电子元器件、电子设备及其相关材料和制造工艺为核心的综合性产业体系,覆盖从基础元器件制造到整机装配、系统集成等多个环节。该行业技术密集度高、更新迭代快,具有强烈的全球分工特征。
在 **申万行业
由bq0m8rec创建,最终由bq0m8rec更新于
在金融市场的不确定性面前,传统基于历史数据的组合优化常因 “未来与历史相似” 的假设失效而受挫。分布式鲁棒优化(DRO)通过主动纳入 “分布不确定性”,为极端行情下的组合稳健性提供了新解法。本文结合实践案例,详解 DRO 组合的构建流程与核心注意事项。
由bq9e696k创建,最终由bq9e696k更新于
指数移动平均线,是一种常用的技术分析工具,用于平滑价格数据并识别市场趋势。与简单移动平均线(SMA)不同,EMA更注重近期价格,赋予其更高权重,因此对价格变动的反应更灵敏。
因财务状况不稳定、退市风险高等因素,容易出现价格大幅波动;科创板和北交所虽具备高成长潜力,但存在流动性不足、信息不对称等问题,增加了投资风险与不确定性。同时,市场中部分低估值、业
由bq9e696k创建,最终由bq1ewjow更新于
随机森林是以决策树为基学习器的集成学习算法。随机森林非常简单,易于实现,计算开销也很小,更令人惊奇的是它在分类和回归上表现出了十分惊人的性能。
1、用有抽样放回的方法(bugging)从样本集中选取n个样本作为一个训练集
2、用抽样得到的样本集生
由sywgfuture01创建,最终由bqskg8kx更新于
CTA策略主要是一类量化期货策略,适用于专业投资者,本文介绍一款经典的布林带趋势跟踪策略如何在平台实现,授人以鱼不如授人以渔,抛砖引玉,以便小伙伴能在此基础上迭代研发出自己的策略。
本文主要通过代码讲解以下内容:
由xiaoshao创建,最终由small_q更新于
我一直觉得,写交易策略不难,难的是获取一手的数据流。尤其是做外汇,价格波动快得让人窒息,延迟半秒你都能错过关键点位。
所以,这篇文章,我想直接告诉你:如果你用 Java 做量化,怎样最快地接入一个实时外汇行情 API。
我试过几个主流的行情源,包括一些号称免费但连 HTTPS 都
由bqwd0as7创建,最终由bqv93dy2更新于
乖离率因子是量化投资中的一个重要指标,它用来衡量一只股票当前价格与其平均价格之间的偏离程度。简单来说,乖离率可以帮助我们判断股票是不是被高估或者低估。
正的乖离率越大,表示股票被高估,短期可能会回调,此时可考虑卖出获利;负的乖离率越大,表示向上回补的可能性越高,此时考虑买入等上涨
由small_q创建,最终由small_q更新于
可转债是上市公司发行的一种特殊债券,它赋予投资者在特定条件下将债券转换为公司股票的权利。投资者持有可转债,既可以享受债券的稳定利息收益,又能在公司股票价格上涨时,通过转股获得股票增值收益,具有 “下有保底,上不封顶” 的特点。
由bq9e696k创建,最终由bq9e696k更新于
现金流是企业在一定时间内产生的现金流入和流出状况,简单来说,就是公司的“==钱进钱出==”情况。
它体现的是公司的运营能力,用来评估公司的健康状态。
如果每天的==
由small_q创建,最终由bqadm更新于
以往的回测中,本平台默认使用的是open和close即开盘价和收盘价作为买卖价格,本平台开发了一种方式,可以让各位投资者自定义买卖价,满足各位投资者的测试需求。
该功能将改变以往的买卖价下单的设置,将按照各位投资者设置的价格进行下单。
为展示该功能的作用,我
由bq9e696k创建,最终由bq9e696k更新于
\
由bq9e696k创建,最终由bq9e696k更新于
由bqy53ve0创建,最终由bqv93dy2更新于
MACD(Moving Average Convergence Divergence)即移动平均线收敛散度指标,属于趋势类技术分析工具,通过计算不同周期移动平均线的差值,揭示股价
由bqy53ve0创建,最终由small_q更新于
高位成交因子是指个股在高位和低位成交的密集水平体现。高位成交较多的个股,交易行为中存在羊群效应,容易导致局部价格高估,而在未来呈现反转效应。反之,如果个股低位成交较多,存在低位加仓的现象,未来价格有较大上行空间。
高位成交因子计算公式如下:
![](/wiki/api/att
由small_q创建,最终由small_q更新于
本文分享一个长期正收益的成长因子选股策略,以及分享如何在bigquant平台上利用M.tune工具进行不同参数的任务并发,统计并发运行结果,再寻找较优绩效的参数组合。
![](/wiki/api/attachments.redirect?id=ea689c4d-161c-48a
由xiaoshao创建,最终由bqj3l2oq更新于
特别注意:本策略在编写和优化时基于当时的未更新的财务因子字段,目前该数据和字段经过了更新和错误修正。故目前利用本策略的代码尽管可以运行,但回测结果与文中的差异很大,效果大不如从前,以目前的数据回测结果为准,深表歉意。但本文介绍的策略编写思路和参数优化过程仍然值得学习,读者可以参考该思路进行策略编写。
由bqy53ve0创建,最终由qxiao更新于
1.市场观察和机会发现
许多投资者热衷追逐热门概念,像曾火爆的新能源汽车概念,行业利好时股价飙升,吸引大量资金买入。但市场多变,热度减退后股价急跌。以2021年1月4日起跟踪买涨幅最大的策略,每日调仓,初期有涨幅,随后收益震荡下行,到2024年9月收益低至-50%左右,最大回撤超55%。
由bq9e696k创建,最终由qxiao更新于