[https://www.bilibili.com/video/BV1Z94y1Q73b?share_source=copy_web&vd_source=2e7dc1240ea373ea6eba1134af8dd086](https://www.bilibili.com/video/BV1Z94y1Q73b?share_source=copy_web&vd_source=2e7dc1240
更新时间:2025-12-30 06:37
如何实现分钟级的10%止盈, 5%止损?
https://www.bilibili.com/video/BV1Zh411p7d3?share_source=copy_web
[https://bigquant.com/experimentshare/43fe937ce35243aba7ce77b2f026c6ff](https://bigquant.com/experimentshare/43fe937ce3
更新时间:2025-12-30 06:37
如何获取策略模拟资金曲线信息 ,再反向输出集成策略?
https://www.bilibili.com/video/BV1wR4y1C7ZT/?vd_source=ecd29bbd04cbefdfa426167c55241973
[https://bigquant.com/experimentshare/b8a38c78cb844ac3bc3821e42497ff5
更新时间:2025-12-30 06:37
[https://www.bilibili.com/video/BV1Gr4y177FR?share_source=copy_web&vd_source=2e7dc1240ea373ea6eba1134af8dd086](https://www.bilibili.com/video/BV1Gr4y177FR?share_source=copy_web&vd_source=2
更新时间:2025-12-30 06:37
【此文档为旧版策略】具体可参考新版文档:
https://bigquant.com/wiki/doc/103-ai-LpsqDhu8mG
https://bigquant.com/experimentshare/dd9cff01459a41f9be40d7e660164795
\
更新时间:2025-12-30 06:37
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
[http
更新时间:2025-12-30 06:37
更新时间:2025-12-30 06:37
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:2025-12-30 06:37
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。
\
本文为旧版实现,仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
\
风控和择时:情绪周期如何用于追涨策略
[https://www.bilibili.com/video/BV1ui4y1m7Nx?spm%5Fid%5Ffrom=333.999.0.0](https://www.bilibili
更新时间:2025-12-30 06:37
\
更新时间:2025-12-30 06:37
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:2025-12-30 06:37
更新时间:2025-12-30 06:37
\
更新时间:2025-12-30 06:37
\
更新时间:2025-12-30 06:37
\
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
更新时间:2025-12-30 06:37
更新时间:2025-12-30 06:37
更新时间:2025-12-30 06:37
更新时间:2025-12-30 06:37
更新时间:2025-12-30 06:37
更新时间:2025-12-30 06:37
更新时间:2025-12-30 06:37
大类资产配置理论研究始于20世纪30年代,传统配置策略包括60/40、等权重投资组合和均值方差模型等。20世纪90年代,为了放宽MPT的假设条件,提高理论在实践中的可行性,以BL、捐赠基金模型、投资组合保险策略、美林时钟等为代表的大类资产配置策略被提出。进入21世纪以后,市场开始用“因子”来解释资产的投资回报,不同因子的开发和基于因子的配置模型逐渐受到市场的关注。随着科技在金融领域的应用,基于MPT、大数据和人工智能的配置模型(智能投顾)正在被广泛使用于个人资产配置上。 未来大数据+机器深度学习或将打破人类认知局限,将我们带入资产配置4.0时代。
更新时间:2025-12-30 06:37
【此文档为旧版】 相关新版文档参考:
https://bigquant.com/wiki/doc/ai-rq8QOC2fDb
https://bigquant.com/experimentshare/16571b942a8a4a92a4914c15f65d0883
\
更新时间:2025-12-30 06:37
\
更新时间:2025-12-30 06:37
freestyle996+追涨策略的关键因子一般有哪些? 如何选择和使用?
https://www.bilibili.com/video/BV1K24y117Tu/?spm_id_from=333.999.0.0
\
更新时间:2025-12-30 06:37