投资组合

投资组合是从多元化投资角度出发,通过精心选择与搭配不同风险与收益特性的资产,旨在实现特定投资目标并降低风险的一种策略。一个有效的投资组合能够在各种市场环境下保持相对稳定的收益,并通过分散投资来减少单一资产的风险。其核心在于资产配置,即根据投资者的风险承受能力、投资期限和收益预期,将资金分配到股票、债券、现金及替代性投资等不同资产类别中。通过动态地调整组合中的资产权重,可以应对市场环境的变化,以确保组合的表现与投资者的目标和风险容忍度保持一致。

什么是互斥事件

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/

更新时间:2024-05-22 10:44

如何对1-3日内上涨的股票进行标注

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

更新时间:2024-05-21 09:10

2023.5直播代码-敢死队打板

{{membership}}

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

\

更新时间:2024-05-21 07:21

初识协整

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

更新时间:2024-05-21 06:44

高频回测模块择时策略

8月19日Meetup策略模板:

https://bigquant.com/experimentshare/a6bae485ffcc47819510b788ddfad338

\

更新时间:2024-05-21 06:30

A股股票过滤模块

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

\

更新时间:2024-05-20 07:21

用线性-回归算法实现A股股票选股

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 07:17

获取指数成分和行业股股票列表

https://bigquant.com/experimentshare/eb414dd3e2a54ed6852dd7b0a5541fdc

\

更新时间:2024-05-20 02:37

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

神经网络交易算法

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

\

更新时间:2024-05-20 01:02

用StockRanker算法实现A股股票选股

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

\

更新时间:2024-05-20 00:50

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

用随机森林-分类算法实现A股股票选股

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 06:42

主动投资管理之信息率

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

\

更新时间:2024-05-17 06:27

深度学习量化交易模型

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 03:49

【历史文档】策略回测-回测模块详解

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:2024-05-16 02:44

【历史文档】策略示例-期权回测

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:2024-05-16 02:35

【历史文档】策略示例-用梯度提升树回归算法实现A股股票选股

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:2024-05-16 02:00

【历史文档】策略示例-用随机森林回归算法实现A股股票选股

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:2024-05-16 02:00

资金流策略,年化收益69.55%

旧版声明

本文为旧版实现,供学习参考。

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

\

策略案例

https://bigquant.com/experimentshare/53afe5c70e1f48b28f66eeb980d86ebb

\

更新时间:2024-05-15 06:37

【历史文档】因子

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:2024-05-15 05:57

119-动量策略

策略介绍

动量策略指的是投资者跟随市场的大势、根据投资品的上涨或者下跌趋势做出相应的做多、做空交易。因此,动量策略又叫**趋势追踪(trend following)**策略。

策略流程

动量策略的核心是“追涨避跌”。具体来说,这种策略会:

  1. 选择时间窗口:确定回顾期(过去 20 个交易日)来计算资产的回报率。
  2. 计算动量:一般是通过资产的收盘价来计算这个时间窗口内的回报率。
  3. 排名资产:根据计算出的回报率对所有考虑的资产进行排名。
  4. 构建投资组合:选择表现最好的一部分资产进行买入(排名前 10,等仓位分配)

策略实现

更新时间:2024-05-10 02:48

四、单因子与多因子策略


\

更新时间:2024-04-30 02:14

LLT低延迟趋势线择时交易

研报:

{{membership}}

LLT低延迟趋势线择时交易模型研究

https://bigquant.com/codeshare/38ef8568-518b-4756-98f0-8dd8722d01e5

LLT低延迟趋势线择时交易

[https://bigquant.com/codeshare/942d320a-c17f-4061-9e56-d24e3a0ac472](https://bigquant.com/

更新时间:2023-08-07 05:52

找人修改策略提高收益

这个

更新时间:2023-07-25 03:41

分页第1页第2页第3页第4页第5页第6页
{link}