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。

算法交易的主要类型与策略分析

前言

算法交易起源于上世纪中叶的配对交易

历史上最早使用算法交易的例子可以追溯到1949年。对冲基金之父阿尔弗雷德·琼斯，利用空对多3：7的比例进行配对交易，在1955年到1964年间，综合回报率高达28%。到了上世纪60年代早期，投资者开始利用计算机通过分析股票的周线和月线来预测价格运动方向。

配对交易逐渐成熟，发展成后来的算法交易。随后算法交易策略慢慢在华尔街流传开来并被广泛使用，同时也带来了非常可观的盈利。原来在摩根士丹利从事配对交易的研究员，后来逐渐成为如大卫·肖、詹姆斯·西蒙斯这类明星基金经理手下的精英，算法交易的“黑盒子”便由此诞生。

随着计算机的广泛普及，华尔街各大

更新时间：2024-05-20 02:09

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：2024-05-20 02:09

什么是无监督学习（机器学习）

什么是无监督学习？

顾名思义，“无监督”学习发生在没有监督者或老师并且学习者自己学习的情况下。

例如，考虑一个第一次看到并品尝到苹果的孩子。她记录了水果的颜色、质地、味道和气味。下次她看到一个苹果时，她就知道这个苹果和之前的苹果是相似的物体，因为它们具有非常相似的特征。她知道这和橙子很不一样。但是，她仍然不知道它在人类语言中的名称是什么，即“苹果”，因为不知道这个标签。

这种不存在标签（在没有老师的情况下）但学习者仍然可以自己学习模式的学习称为无监督学习。

![img{w:100}](https://d1rwhvwstyk9gu.cloudfront.net/2021/

更新时间：2024-05-20 02:09

【风控-仓位管理】究竟是满仓搜哈一夜暴富？还是猥琐发育更聪明？

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：2024-05-20 02:08

对冲策略研究demo示例

旧版声明

本文为旧版实现，仅供学习参考。

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

策略案例

https://bigquant.com/experimentshare/0f3871389f5846009ba425fe066d03b2

更新时间：2024-05-20 01:07

利用深度学习技术预测股票价格

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：2024-05-17 10:28

基于协整的配对交易

更新

本文内容已经过期，不再适合平台最新版本，请查看如下最新内容：

https://bigquant.com/wiki/doc/5z65lqo5y2p5pw055qe6ywn5a55lqk5pit-6x1P1362eJ

策略案例

[https://bigquant.com/experimentshare/6b05d7bd134e420387acfa25c37b283f](https://bigquant.co

更新时间：2024-05-17 09:23

StockRanker选股+随机森林大盘风控

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：2024-05-17 07:25

问题

如何结合欧奈尔的RPS指标,开发AI量化策略?

讲解

{w:100}{w:100}{w:100}{w:100}{w:100}

1988年，欧奈尔将他的投资

更新时间：2024-05-17 01:13

小市值策略变形记

适用于AIStudio3.0.0的版本:

https://bigquant.com/wiki/doc/%5Fnew-iH7DEZCRpf

https://bigquant.com/codeshare/5a5dd498-4590-44c2-8109-ae4501f49494

更新时间：2024-05-16 09:15

Seaborn用法整理（上）

更新

本文内容已经过期，不再适合平台最新版本，请查看如下最新内容：

https://bigquant.com/wiki/doc/seaborn-ISwoff0l23

导语

本文是基于StackAbuse的一篇讲解Seaborn的文章上编写。附示例及实现代码，可直接前往文末一键克隆代码进行实

更新时间：2024-05-16 06:50

基于卷积神经网络的多因子预测

更新

本文内容已经过期，不再适合平台最新版本，请查看如下最新内容：

https://bigquant.com/wiki/doc/5z65lqo5y2356ev56we57up572r57uc55qe5asa5zug5a2q6ycj6ikh-3hXXZIwYtI

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：2024-05-15 07:51

分页第1页第2页第3页第4页第5页第18页