机器学习

机器学习在金融领域的应用日益广泛，为金融业务的智能化提供了强大动力。它运用算法和模型，自动从海量数据中学习和提取有用信息，无需人工进行复杂编程。在金融风控方面，机器学习技术可帮助银行、保险公司等机构更准确地识别欺诈行为，降低信贷风险。在投资策略上，通过对历史数据的深度学习，机器能预测市场走势，为投资者提供更精准的建议。同时，机器学习还能优化客户服务，例如通过聊天机器人提供24小时在线咨询，或根据客户行为数据提供个性化金融产品推荐。总的来说，机器学习不仅提升了金融业的效率和智能化水平，也在重塑我们的金融生态。

bqcj06gr_作业提交

1、请回顾你过去的交易经验，选择一个你曾经使用过的交易方法，尝试用量化的方式重新表达出来（用文字描述，无需代码实现）。

答:股票池筛选:当连续10日最小值大于34日均线的0.99倍时纳入初选股票池;若获利筹码高于73%，则买入；当最大值低于34日均线时卖出。

2、在看完从0-1开发量化策略之后，请自己总结一下量化策略开发的主要流程。

答:1、进行单因子分析筛选出IC和IC_IR较高的因子,积累初步的因子库;

2、对有效的因子进行单因子选股回测，看看初步效果，确定哪些因子是核心收益率因子，哪些可用于控制风险，并对这些有效因子进行相关性分析；

3、选择前面有效的收益因子进行机器学习或

更新时间：2025-07-29 09:40

Liujunze_作业提交

【今日作业】：

1、请用自己的话解释什么是量化投资。

量化投资就是找出收益率与某个参数存在关系，然后用历史的数据来证实这个关系，最后是用近期参数的变化来找出收益率高的股票。

在这个过程中：

收益率就是未来的的收益，各有各的定义，有些用三天，有些用五天

某个参数，简单来说可以是开盘价、收盘价这些单个因子，也可以是单个因子之间所形成的公式组

关系，就是趋向于线性关系，参数上涨/下跌时，收益率大概率也跟着一起；

       非线性关系，就是通过复杂的机器算法来找出参数内高收益的部分，自学习两者关系，然后用它预测未来收益。

历史数据：就是用发现的关系，在已经过去的数据，来进行

更新时间：2025-07-28 10:22

策略分享-基于随机森林的半自动量价多因子策略

0.策略名词解释

0.1 随机森林

随机森林是以决策树为基学习器的集成学习算法。随机森林非常简单，易于实现，计算开销也很小，更令人惊奇的是它在分类和回归上表现出了十分惊人的性能。

1、用有抽样放回的方法（bugging）从样本集中选取n个样本作为一个训练集

2、用抽样得到的样本集生成一棵决策树。在生成数的每一个结点：

随机不重复地选择d个特征
利用这d个特征分别对样本集进行划分，找到最佳的划分特征

3、重复步骤1到步骤2共k次，k即为随机森林中决策树的个数。

4、用训练得到的随机森林对测试样本进行预测，并用票选法决定预测的结果。

下图比较直观地展示了随机森林算

更新时间：2025-06-27 07:43

使用M.tune写一个超参优化

本文是旧文，最佳实践见：160-alpha挖掘大杀器——并行模块tune

前言

M.tune可调节的参数仅限于模块中的参数, 具体用法可参考**尝试用M.tune写一个滚动训练.**

使用方法

我们创建一个机器学习算法策略, 将可视化画布转化为代码形式:

![](/wiki/api/attachments.redirect?id=bcfc8a07-292d-4319-9143-42

更新时间：2025-06-09 05:53

埃及和金砖国家双边贸易的决定因素：使用传统计量经济学和机器学习算法的引力模型

摘要

文章首先介绍了国际贸易的基本概念，包括进口和出口的定义，以及国际贸易的起源和重要性。文章提到，由于各国资源分配不均，国际贸易成为满足国内需求的重要手段。文章还回顾了国际贸易理论的发展，从亚当·斯密的绝对优势理论、大卫·李嘉图的比较优势理论，到赫克歇尔-俄林模型和克鲁格曼的新贸易理论。这些理论为理解国际贸易的模式和影响因素提供了基础。

研究方法

研究采用了以下方法：

**泊松牛顿-拉夫森方法：**这是一种经典的计量经济学方法，用于分析贸易量与各种因素之间的相关性。
**梯度提升（GB）和随机森林（RF）：**这两种机器学习算法用于识别对贸易量有显著影响的独

更新时间：2025-05-12 09:57

机器学习应用于底部反转策略的表现

策略简介

A股表现整体呈现震荡趋势，熊市周期长，且经常出现虽然指数跌幅较低，但市场上的个股跌幅较大。于是提出猜想：是否能找到比较抗跌的策略，在市场表现一般的时候策略回测较小。

策略的特点：在大盘下跌时，策略相对大盘比较抗跌，策略回撤相对小。

构建步骤

确定策略目标市场

策略的目标市场：中小板（波动率高，活跃度高，流动率高，做出alpha可能性高；且在反转时，上涨的幅度较大）

构建策略核心因子

2个技术指标因子+1个换手率因子+1个资金流因子+1个量价因子

![](/wiki/api/attachments.redirect?id=5fbec9e0-

更新时间：2025-04-18 10:11

2021-AI量化Meetup导览

导语

2020年我们开展了近半年的Meetup，共11场Meetup活动，90个问题，7场专题，持续地为大家服务和提供新鲜的灵感。2021年，Me

更新时间：2025-04-15 07:19

2023-AI量化Meetup

更新时间：2025-04-15 07:19

56th Meetup

小白学习

小白如何学习？出现错误提示后，有没有好的解决方案，有没有专门对接的群？

机器学习/深度学习

机器学习在量化中，怎样在过程中查看策略、理解机器学习的逻辑和修正？
目前股票策略中使用最广泛的机器学习和深度学习的模型有哪些？
机器学习或深度学习策略回撤过高，该结合什么风险控制或择时策略比较好？
如果使用深度学习或机器学习自动挖掘因子？
使用深度学习模型时，总觉得泛化性能很差。加上一些提升泛化能力的手段，比如正则、dropout等，好像没什么用。请问有没有什么较好的方法？

策略调优

如何判断策略失效以及失效后的处理

更新时间：2025-04-15 07:19

机器学习/深度学习策略理解

视频讲解

可看视频听老师的详细讲解

机器学习逻辑理解

问：机器学习在量化中，怎样在过程中查看策略、理解机器学习的逻辑和修正？

答：

1）可解释性

2）如何减少过拟合

3）机器学习/深度学习课程

常见的机器学习/深度学习模型

目前

更新时间：2025-04-15 07:19

简单网格交易日内择时

AI量化Meetup 2021年1月28日期问题，配合视频更容易理解。视频详见：

2021-AI量化Meetup导览

策略案例

https://bigquant.com/experimentshare/5dd6b4f7a29d4c5d827aeeff05816cfd

更新时间：2025-04-15 07:19

2020-AI量化Meetup导览

导语

BigQuant宽客学院伴随着平台的更新，学习和探讨的内容也日益增加。大家对机器学习、深度学习的策略研究越来越深入，新的想法也层出不穷，为了满足大家对探索的渴望，因此我们准备了定期的“BigQuant AI量化专家MeetUp”，本周四正式启动了！BigQuant学院院长、AI量化专家现身BigQuant B站直播间，在线交流、答疑，解决您在AI量化和BigQuant遇到的所有问题！