投资组合

\

问题

我试过用stockrank来标注做空股票和期货，（默认参数，回测做空的代码都写好）标注上加-，如-shift(close,-2)/shift(open,-1)或-shift(open,-1)/shift(open,-2)，随机生成几百甚至上千的策略回测所取得的效果普遍没有做多好，大多数情况甚至连正收益都达不到，而做多好多都轻松取得正收益，是算法的特性还是有其他窍门？

视频

https://www.bilibili.com/video/BV1Ny4y1E7KJ

\

策略源

最大回撤（Maximum Drawdown，简称 MDD）是衡量投资组合或资产在选定时间段内从峰值跌至谷底的最大损失百分比。它是一个重要的风险指标，用于评估投资的下行风险。最大回撤越大，意味着资产或投资组合的潜在损失越大。BigQuant的金融市场数据因子平台以及AI量化策略平台（PC端），可以验证各种AI量化策略的最大回撤实例效果。

![](/wiki/api/attachments.redirect?id

投资组合风险和收益率的计算涉及多个财务概念和数学公式。让我们首先了解一些基本概念，然后进入具体的计算方法。

投资组合收益率的计算 假设投资组合由多种资产组成，每种资产的预期收益率和投资占比各不相同。

投资组合的预期收益率可以通过以下公式计算：Rp ​=∑(n,i=1) (wi ×Ri​ )

Rp ​ 代表投资组合的预期收益率。

n 代表投资组合中的资产种类数。

wi ​代表第 i 种资产在投资组合中的权重

投资组合风险是指投资者在构建投资组合时面临的各种不确定性因素，这些因素可能导致投资组合的实际收益与预期收益产生偏差，从而给投资者带来损失。

风险因素

投资组合的风险因素众多，它们可以从多个角度影响投资的回报和稳定性。理解这些风险因素对于有效的投资管理和风险控制至关重要。以下是一些主要的投资组合风险因素：

1. 市场风险（系统性风险）

   1. 股票市场风险：整个股票市场的波动可能影响个股和股票基金的表现。
   2. 利率风险：债券和其他固定收益投资的价值受利率变动的影响。
   3. 货币风险：投资于不同货币的资产可能受到汇率波动的影响。 4

多因子选股模型是一个在全球金融领域广泛应用的投资策略，它基于多个因子来评估和选择股票。这种模型试图通过组合不同的投资因子，比如价值、成长、市场情绪、质量、动量等，来提高投资组合的回报率并降低风险。

基本概念

多因子选股模型通过综合考虑多个影响股票表现的因子来构建投资组合。这些因子是基于历史数据和金融理论研究得出的，能够从不同角度反映股票的潜在价值和风险。例如，价值因子可能基于公司的

协方差是一个统计学的概念，用于衡量两个随机变量间的总体误差。它反映的是两个变量之间的相互关系以及它们如何一起变动。在金融领域，特别是在投资组合管理和风险管理中，协方差是一个非常重要的概念，因为它帮助投资者理解不同资产之间的价格变动关系，从而更好地分散风险。

核心概念

• 定义： 如果有两个随机变量 X 和 Y，它们的协方差表示为 Cov(X,Y)， *

更新

最新代码

\

书籍推荐

工具书籍

量化大类资产配置

![{w:100}{w:100}{w:100}](/wiki/api/attachments.redirect?id=c9391341-652a-497c-b067-c62dd5f53ee9 "left

请参考新版的大盘择时

机器学习+择时+跟踪止损+技术分析

策略案例

https://bigquant.com/experimentshare/a5ed3eddf32f4e4dad4811a1acc257f0

\

https://bigquant.com/codesharev2/d9fb9834-14af-4109-b6d4-6c996e6c5a77

\

什么是互斥事件？

互斥事件是指不能同时发生的事件。例如，您不能同时向后和向前跑、抛硬币不能同时出现正反面。同样，金融市场交易实践中也存在相互排斥的事件。

交易中互斥事件的示例

可以解释金融市场交易中相互排斥事件的一个非常简单的示例，包括您的预算和同时不同股票的价值。

现在，假设您在投资组合中需要股票 A、股票 B、股票 C 和股票 D。这些股票如下图所示（黑线为市场指数），这些股票随着时间的推移而增值。

![交易中互斥事件的示例{w:100}{w:100}{w:100}](https://d1rwhvwstyk9gu.cloudfront.net/2022/

问题

freestyle996+如何运用股票标注的方法对1-3日内上涨的股票进行标注?

视频回放

https://www.bilibili.com/video/BV1uP4y1R7kh/?spm_id_from=333.999.0.0

策略源码

[https://bigquant.com/experimentshare/0a4bb333c1bb4f4e91d7701a3538f6f4](https://bigquant.co

{{membership}}

https://bigquant.com/experimentshare/953563e68f824cb2b4f893f5251cecb3

\

新版请移至:

https://bigquant.com/wiki/doc/5yid6kg5y2p5pw0-d4d4ECrxKn

导语

本文介绍了协整的初步内容。

协整

直观理解

协整是什么这个问题回答起来不是那么直观，因此我们先看下图，了解一下具有协整性的两只股票其价格走势有什么规律。

![图1  两只协整股票的走势](/wiki/api/attachments.redirect?id=c7299e97-d4d4-44

8月19日Meetup策略模板：

https://bigquant.com/experimentshare/a6bae485ffcc47819510b788ddfad338

\

https://bigquant.com/experimentshare/116fdc30e1944051ba43f73e74837776

\

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

https://bigquant.com/experimentshare/eb414dd3e2a54ed6852dd7b0a5541fdc

\

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

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/723e10568f294571924b89f3953ce20b

\

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/72d5601550164505aad979f7265f8fec

\

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

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

https://bigquant.com/experimentshare/3e9b0e7623284f01b7e206d1a3df4b92

\

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