https://bigquant.com/experimentshare/aebcf1f1697647c59110b3fb078767a7

\

目前平台提供新版的因子分析模块, 请移至bigalpha

7月30日Meetup 模板案例：

策略案例

https://bigquant.com/experimentshare/b83f6a9c950a43a595d41f1d911dcaca

\

https://bigquant.com/codesharev3/96c50c11-0129-4859-a961-a614be5a016e

结果

'因子 ((c_zscore((close / m_avg(close, 20))) [/](https://vscode-remote+bigquan

已挖掘的因子如下:

[

'因子 c_zscore((volume / turn)) 的 IC 为 0.015, 因子累计收益为 0.194, 年化收益为 0.097, 夏普比例为 0.551, 年化波动率为 0.206, 最大回撤为 -0.223',

'因子 c_zscore((c_zscore((volume / turn)) * m_stddev(close, 20))) 的 IC 为 0.0212, 因子累计收益为 0.008, 年化收益为 0.004, 夏普比例为 0.151, 年化波动率为 0.272, 最大回撤为 -0.268',

'因子 c_zscore((c

问题

大家好，我看很多关于AI的策略里面都有以下两句代码 ranker_prediction 和 context.benckmark_risk.ix[today_date].values[0]。我想请问这个内嵌的逻辑是什么…

如标题

[10770 rows x 19 columns]

171

[2025-01-04 20:39:28] [info ] c_initialize() first_trading_date:2025-01-03, trading_day_index:0

172

[2025-01-04 20:39:28] [info ] c_initialize() positions len:0,market_value:0.0,margin:0.0

173

[2025-01-04 20:39:28] [info ] result json_extension:{}

1

回测结果是基于历史数据对某一投资策略进行模拟交易后得到的结果。进行回测的目的是为了评估一个投资策略的盈利能力、风险水平以及其他相关指标。

回测结果中通常包括不同时间段的投资收益率、最大回撤、胜率等指标。这些结果可以帮助投资者了解该策略的优势和不足，从而进行调整和优化。

基本概念

回测结果通常包含多个方面的信息，主要包括：

1. 总收益率：在策略回测期间，总收益率作为盈利或亏损的总体百

资产定价模型（Asset Pricing Models）是金融学中用于评估或预测金融资产价值的理论和模型。这些模型基于不同的假设，用于不同类型的资产，包括股票、债券、衍生品等，通过量化资产的预期收益与其所承担的风险之间的关系，帮助投资者评估投资机会并做出明智的投资决策。

以下是一些重要的资产定价模型：

1. **资本资产定价模型（Capital Asset Pricing Model, CAP

基本概念

量化选股模型是在量化投资领域中广泛使用的工具，旨在系统地识别和选择具有超额收益潜力的股票。这些模型通常基于历史数据和统计分析，结合了各种财务指标、市场数据、经济指标和其他相关信息。

\

常见6大选股模型

以下是一些主要和常用的量化选股模型：

1. 基于因子的模型

   1. 多因子模型：结合多个因子（如价值、成长、动量、质量、规模等）来评估股票。

策略案例

https://bigquant.com/experimentshare/0150d45766bd42e2bd5c4f05b0df6644

\

https://bigquant.com/experimentshare/eb414dd3e2a54ed6852dd7b0a5541fdc

\

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/

https://bigquant.com/experimentshare/6508a3b7858b4d098a358a880b18b332

训练结果展示： \n

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

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

简介

投资者依靠股票-债券的相关性来构建最优投资组合、设计对冲策略和评估风险。大多数投资者只是通过推断月度收益的历史相关性来估计股票与债券的长期相关性，但这种方法显然是不可靠的。作者为产生可靠的股票-债券相关性的预测引入了四项创新。首先，本文引入单期相关的概念，以解决股票和债券收益的自相关和滞后交叉相关不为零以及长期相关性随时间变化的问题。第二，确定了股票-债券相关性的基本预测因子。第三，将股票和债券相关性建模为一些基本预测因子路径的函数，而不是单一观测值的函数。最后，对样本进行审查，进行部分样本回归。结果显示，股票-债券相关性预测的可靠性得到显著提高。

全文

[/wiki/

https://bigquant.com/experimentshare/657440e6921f4a32833dad80017fb83e

\

问题

大家好，我看很多关于AI的策略里面都有以下两句代码

ranker_prediction 和 context.benckmark_risk.ix[today_date].values[0]。我想请问这个内嵌的逻辑是什么…

• context.ranker_prediction就是传给回测模块的预测结果数据，通过context.options[‘data’].read_df()读出来。 ranker_prediction就获取到回测当天的预测结果数据

![{w:100}{w:100}{w:100}{w:100}{w:100}](/wiki/api

\

\