投资策略

投资策略是投资者为实现其投资目标而采取的一系列决策和行动。从金融角度看,有效的投资策略不仅能降低风险,还能最大化回报。它涉及到资产配置,即如何在不同的投资工具(如股票、债券、商品、现金等)之间分配资金;时机选择,即决定何时进入或退出市场;以及证券选择,即挑选具有增长潜力的具体投资标的。成功的投资策略需要综合考虑市场环境、投资者风险承受能力和投资期限等因素,并根据这些因素进行动态调整。通过多元化投资、风险管理以及持续的市场研究和分析,投资者可以制定并执行适合自己的投资策略,从而在复杂多变的金融市场中实现理财目标。

【其他】有没有可以学习的小市值策略

老师,有没有可以学习的小市值策略。

更新时间:2024-10-29 02:14

81st Meetup

81st Meetup 直播答疑, 10月17日 19:00 B站直播解答

\

问题列表

提问:咱们IC值的计算,是不能自己设计y是多久的收益率么?就是可以更改y值么?

回答:可以。

https://bigquant.com/codesharev3/e84b5367-4dd3-4885-a3b9-fa4b55670820



提问:请问模型法和打分法在哪里可以找到,怎么做呢?

回答:模版策略就是了。

[ht

更新时间:2024-10-18 03:26

【其他】回测图的持仓为什么不是100%?

还是这个配对交易原版demo,这里面的持仓从理论上来说应该一直维持在接近百分之百,但实际上运行后并不是如此,这应该是和回测的逻辑有关,想请问下这个是什么原因呢


[https://bigquant.com/codesharev3/2d635552-1c5b-4f79-9395-2f636e9d9907](https://bigquant.com/codesharev3/2d635552-1c5b-4f79

更新时间:2024-10-11 01:43

149-破净股策略

策略概述

本策略基于破净股的投资思想,主要通过筛选股价低于公司每股净资产的股票,来寻找市场中被低估的投资机会。破净股通常由于市场情绪、短期波动等因素被低估,但从长期来看,这类股票的内在价值往往会被市场重新认识并反映在价格上。策略通过剔除高风险和财务不稳定的股票,专注于那些具备稳健基本面且有较大反弹潜力的公司,旨在构建一个具备长期价值回归潜力的股票组合,符合稳健的价值投资理念。

因子介绍:

  • 总市值(total_market_cap): 该因子用于衡量公司的整体规模,是衡量公司在资本市场上影响力的重要指标之一。通常市值较大的公司具有较强的市场稳定性和抗风险能力,因此

更新时间:2024-09-26 07:49

行业轮动策略

一、策略概述

1.1 背景介绍

行业轮动策略是一种量化交易策略,旨在通过在不同行业之间进行资金分配,捕捉市场趋势和行业表现的周期性变化。 从名字即可看出,经济周期导致任何市场状态下可能都会存在股市价格表现较好的行业,因此我们如果能布局这些行业并定期轮动调整,那会取得还不错的投资效果。与单纯持有某个行业或个股相比,行业轮动策略通过分散投资风险,提高了组合的抗风险能力,并且能够在不同的市场环境中寻找最佳的投资机会。

1.2 研究目的

本策略是曾经在社区里的一个策略复现而来,策略链接为:<https://bigquant.com/wiki/doc/v10-uKB4qr0I

更新时间:2024-09-20 02:58

131-小市值稳定增长策略

策略介绍

小市值稳健增长策略是一种专注于挖掘市值较小但具有稳健增长潜力的股票的投资策略。该策略通过深入分析这些公司的基本面、财务状况、行业前景以及市场情绪,筛选出具备长期成长潜力的优质小市值公司,以期在未来获得超额回报。通过该策略选择的股票的优势包括有

  • 高增长潜力:小市值公司通常处于成长期,具备高增长的潜力;
  • 估值优势:相较于大市值公司,小市值公司可能存在估值低估的机会;
  • 风险分散:通过分散投资于多个小市值股票,降低了单一公司业绩波动对整体组合的影响。

同时使用该策略也会承受一定的风险

  • 流动性风险:小市值股票流动性较差,可能导致买卖

更新时间:2024-08-22 03:04

116-质量投资策略

策略介绍

该策略是一个质量投资策略,即基于公司质量指标选择股票

在这里,我们将质量因子(score)定义为盈利能力(Profitability) + 成长性(Growth) + 安全性(Safety)

  • 盈利能力指标由资产毛利率GPOA,ROE,ROA,资产流动资金比CFOA,毛利率GMAR,应计项目情况ACC组成
  • 成长性指标包含ROE同比增长、每股收益同比增长、毛利润同比增长、经营活动产生的现金流同比增长
  • 安全性由中证1000指数的22日BETA系数、杠杆组成

策略流程

1.股票池过滤:剔除ST、退市、停牌股、北交所股票

2.筛选条件:上市天数大于270

更新时间:2024-08-22 02:26

133-可转债双低策略

回测绩效

\

定义

可转债全称为可转换债券,指债券持有人可按照发行时约定的价格将债券转换成公司的普通股票的债券,如果债券持有人不想转换,则可以继续持有债券,直到偿还期满时收取本金和利息,或则在流通市场出售变现。

如果持有人看好发债公司股票增值潜力,则可以行使转换权,按照预定转换价格将债券转换为股票。

关键指标

  • 转换比例(conversion ratio):一债券可转换为普通股的数量。
  • 转换价格(convers

更新时间:2024-08-01 05:15

小市值策略

https://bigquant.com/codesharev3/972559fd-69be-41dd-9726-7bd2b8c7f9f4

\

更新时间:2024-07-18 03:45

行业轮动策略

一、策略概述

1.1 背景介绍

行业轮动策略是一种量化交易策略,旨在通过在不同行业之间进行资金分配,捕捉市场趋势和行业表现的周期性变化。 从名字即可看出,经济周期导致任何市场状态下可能都会存在股市价格表现较好的行业,因此我们如果能布局这些行业并定期轮动调整,那会取得还不错的投资效果。与单纯持有某个行业或个股相比,行业轮动策略通过分散投资风险,提高了组合的抗风险能力,并且能够在不同的市场环境中寻找最佳的投资机会。

1.2 研究目的

本策略是曾经在社区里的一个策略复现而来,策略链接为:<https://bigquant.com/wiki/doc/v10-uKB4qr0I

更新时间:2024-07-04 06:55

Pandas基础操作技能get! 强烈推荐!

旧版声明

本文为旧版实现,仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU


下列代码在读取数据时,使用最新dai.query接口即可。

数据读取

\

策略案例

[https://bigquant.com/codesharev2/5509a634-c207-4eaf-a6f2-a73d15fada39](https://bigqua

更新时间:2024-06-12 07:41

Word2Vec系列



\

更新时间:2024-06-12 06:06

Word2Vec介绍:softmax函数的python实现

1. 什么是Softmax

Softmax要解决这样一个问题:我有一个向量,想用数学方法把向量中的所有元素归一化为一个概率分布。也就是说,该向量中的元素在[0,1]范围内,且所有元素的和为1。

Softmax就是这个数学方法,本质上是一个函数。

假设我们有一个k维向量z,我们想把它转换为一个k维向量 sigma(z) ,使其所有元素的范围是[0,1]且所有元素的和为1,函数表达式是:

![softmax(x)_i = \frac {e^{x_i}

更新时间:2024-06-12 06:06

零基础《AI挑战虚拟股票预测大赛》入门教程

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:2024-06-12 06:00

AI Alphas(A股版)

本篇报告详尽地介绍了基于人工智能的阿尔法策略框架,包括基于AI技术在策略研究上的阶段性的工作和成果,并提供完整代码,读者可克隆策略,复现效果和继续改进。 希望本文能帮助读者拓展研究思路,应用AI来做更好的量化策略研发,把人工智能的能力赋予更多的投资者 (Democratize AI to empower investors)。

\

摘要

本篇报告构建了一个完整的可复用的 人工智能阿尔法策略框架

本篇报告用AI对基本面、财务、交易型等 282个因子 做了单因子策略研究和多个维度上的绩效分析,并 **发掘了在短、中、长周期上多个夏普比率超过1.5 、年化收益超过 30

更新时间:2024-06-12 05:53

机器学习在量化投资中的趋势和应用

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:2024-06-12 05:52

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

常见量化投资策略

简单来讲,量化投资就是利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程。

量化交易 是指借助现代统计学和数学的方法,利用[计算机技术来进行交易的证券投资方式。量化交易从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略,用数量模型验证及固化这些规律和策略,然后严格执行已固化的策略来指导投资,以求获得可以持续的、稳定且高于平均收益的超额回报。

量化投资模型只是一种工具、一种方法、一种手段,能实现成熟而有效的投资理念,需要不断根据投资理念的变化、市场状况的变化而进行修正、改善和优化,换而言之,有效的模型建立在适应市场环境的有效

更新时间:2024-06-11 03:31

量化交易是什么?  快速入门版

什么是量化交易?

度娘官方版 — 理论这么说

量化交易是指以先进的数学模型替代人为的主观判断,利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略,极大地减少了投资者情绪波动的影响,避免在市场极度狂热或悲观的情况下作出非理性的投资决策 。(注:文末含所有量化核心工具

量化交易概念

简介版 — 职场上的量化交易

量化交易主要是根据纯粹的数

更新时间:2024-06-11 03:27

Alpha系列-因子模型

https://bigquant.com/experimentshare/d10e7682969747bbb8c297180a844c7b

\

更新时间:2024-06-11 02:40

主动投资管理定律(基本篇)

https://bigquant.com/experimentshare/5ffea17cf0ca4e78ab50a84762c2b596

\

更新时间:2024-06-11 02:38

行业轮动策略

问题

Q1:A股轮动很快,有没有行业,概念板块的行情数据?资金,成交量,市值等方面的数据,便于跟踪轮动

视频

https://www.bilibili.com/video/BV1eT4y117cS?share%5Fsource=copy%5Fweb

[https://bigquant.com/codesharev2/96bad7bf-eba9-4c12-a438-39c980d76702](https://bigquan

更新时间:2024-06-07 10:55

超参优化

更新

本文为旧版实现,仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU


7月30日Meetup 模板案例:

策略案例

https://bigquant.com/experimentshare/99d8bec5248e4878b33a21bc119a6671

\

更新时间:2024-06-07 10:55

小市值策略

策略源码

{{membership}}

https://bigquant.com/codeshare/41bf4005-7f89-45a6-921e-51b1dcc771d9

\

更新时间:2024-06-07 10:55

如何筛选月内涨幅大于10%,小于30%的股票?

{{membership}}

https://bigquant.com/codeshare/9ac7cfd7-5bcf-41a5-9577-f84f671d5cd3

\

更新时间:2024-06-07 10:55

分页第1页第2页第3页第4页第5页第6页第7页第8页第9页第18页
{link}