风险管理

从金融视角来看,风险管理是企业持续发展和稳健运营的核心要素。它涉及识别、评估、监控和控制潜在的风险,以便将不良影响最小化,并促进企业在不断变化的经济环境中保持弹性。有效的风险管理策略不仅有助于保护资产和减少损失,还能增强投资者的信心,维持公司声誉。为了确保这一流程的实施,金融机构通常采用先进的风险测量模型和技术,以及严格的内部政策和程序。这样的方法使机构能够预测潜在威胁,迅速应对突发事件,并在机会与风险之间找到适当的平衡,从而实现可持续增长和盈利。

行业轮动策略

一、策略概述

1.1 背景介绍

行业轮动策略是一种量化交易策略,旨在通过在不同行业之间进行资金分配,捕捉市场趋势和行业表现的周期性变化。 从名字即可看出,经济周期导致任何市场状态下可能都会存在股市价格表现较好的行业,因此我们如果能布局这些行业并定期轮动调整,那会取得还不错的投资效果。与单纯持有某个行业或个股相比,行业轮动策略通过分散投资风险,提高了组合的抗风险能力,并且能够在不同的市场环境中寻找最佳的投资机会。

1.2 研究目的

本策略是曾经在社区里的一个策略复现而来,策略链接为:<https://bigquant.com/wiki/doc/v10-uKB4qr0I

更新时间:2025-04-20 03:29

指定价格成交

7月16日Meetup模板案例;

策略案例


https://bigquant.com/experimentshare/aac16e3c971f43c8a02ce5455f3561bf

\

更新时间:2025-04-15 07:19

一阳穿多线策略的因子描述-滚动训练

【此文档为旧版】 相关新版文档参考:

https://bigquant.com/wiki/doc/ai-rq8QOC2fDb

策略案例

https://bigquant.com/experimentshare/16571b942a8a4a92a4914c15f65d0883

\

更新时间:2025-04-15 07:19

Alpha策略

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:2025-04-15 07:19

热点概念追踪

本文内容已经过期,不再适合平台最新版本,请查看以下最新内容,作为参考资料学习。

旧版声明

本文为旧版实现,仅供学习参考。

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



2021年7月8日Meetup模板:

[https://bigquant.com/experimentshare/a6bae485ffcc47819510b788ddfad338](https://bigquant.com/experimentshare/a

更新时间:2025-04-15 07:19

风控和择时:情绪周期如何用于追涨策略

本文内容已经过期,不再适合平台最新版本,请查看以下最新内容,作为参考资料学习。

\

旧版声明

本文为旧版实现,仅供学习参考。

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


\

问题

风控和择时:情绪周期如何用于追涨策略

视频

[https://www.bilibili.com/video/BV1ui4y1m7Nx?spm%5Fid%5Ffrom=333.999.0.0](https://www.bilibili

更新时间:2025-04-15 07:19

日线策略信号进行日内择时

【旧版使用说明】此文档为旧版本,相关文档可参考:

https://bigquant.com/wiki/doc/126-KkS3pYVIAH

20210624 Meetup 策略案例

https://bigquant.com/experimentshare/f235e9ce26dc42b9ae9fb57ca6574bf1

\

更新时间:2025-04-15 07:19

标注模块+中性化

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:2025-04-15 07:19

40th Meetup

\

更新时间:2025-04-15 07:19

2021-AI量化Meetup导览

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

53rd Meetup

\

更新时间:2025-04-15 07:19

2023-AI量化Meetup

\

更新时间:2025-04-15 07:19

高频动量策略与主观超短交易

分享主题

高频动量策略与主观超短交易

\

视频回放

https://www.bilibili.com/video/BV1eG4y147Ki/

\

直播资料

/wiki/static/upload/70/70110d2a-6075-45b4-ad3c-618340dc720f.pdf

\

更新时间:2025-04-15 07:19

36th Meetup

\

更新时间:2025-04-15 07:19

51st MEETUP

PPT

/wiki/static/upload/1f/1fdcde6d-6311-49fc-a1ad-e533c840cf97.pdf

视频

https://www.bilibili.com/video/BV1zc411V7EW/?spm_id_from=333.999.0.0

\

更新时间:2025-04-15 07:19

基于大数据的产业周期逻辑

问题

基于大数据的产业周期逻辑

视频

https://www.bilibili.com/video/BV1xg411B7yp/?spm_id_from=333.999.0.0

课件

{w:100}{w:100}


\

更新时间:2025-04-15 07:19

BigQuant平台策略构建流程

视频讲解

查看视频

策略源码

https://bigquant.com/codeshare/23bb6c6a-c4e3-4a7c-aed4-48c719c64dee

\

更新时间:2025-04-15 07:19

分组计算

策略案例


https://bigquant.com/experimentshare/fd15bfc0f9d94a11b060f13685aa5591

\

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

模型保存读取

7月16日Meetup模板案例:

策略案例

https://bigquant.com/experimentshare/0aae2066f74e475ba198a6f79757c03f

\

更新时间:2025-04-15 07:19

如何利用stockranker开发做空策略?

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

更新时间:2025-04-15 07:19

50th Meetup


\

更新时间:2025-04-15 07:19

MACD底背离

旧版声明

本文为旧版实现,仅供学习参考。

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


预计算因子表[数据平台] https://bigquant.com/data/datasources/cn_stock_prefactors

https://bigquant.com/wiki/doc/dai-PLSbc1SbZX

[ht

更新时间:2025-04-15 07:19

时区瑕疵策略

视频讲解

查看视频

策略源码

https://bigquant.com/codeshare/621dce87-bd66-43b2-b08d-ad986eeb3135

\

更新时间:2025-04-15 07:19

59th Meetup

本期提问者:bq22fw19、bq61ym2n、1855680***、bqhz06vb

因子挖掘

如何利用市场信息?

利用市场信息进行量化投资主要涉及以下步骤:

  1. 数据收集:首先,需要收集和整理市场数据,包括股票价格、交易量、基本面数据、新闻、宏观经济数据等。这些信息可以从各种数据供应商或公开数据源获取。
  2. 数据预处理:对收集到的数据进行清洗和预处理,处理缺失值、异常值、重复值等,保证数据的准确性和完整性。
  3. 特征工程:根据投资策略和模型需求,进行特征工程,提取有价值的特征和信号。
  4. 模型构建:选择合适的模型(如回归模型、机器学习模型、深度学习模型

更新时间:2025-04-15 07:19

分页第1页第2页第3页第4页第5页第6页第7页第8页第9页第19页
{link}