风险管理

来源：SSRN 作者：Sophie Emerson, Ruairi Kennedy, Luke O’Shea, and John O’Brien

机器学习是人工智能的一个子领域，它使用统计技术为计算机模型提供从数据集学习的能力，允许模型在没有显示编程的情况下执行特定任务。近年来，机器学习技术激增，人们对其在金融领域的应用也越来越感兴趣。在投资管理中，已被应用于新闻的情绪分析、趋势分析、投资组合优化、风险建模等。那么，机器学习在量化投资中有哪些潜在应用呢？

1.常见的机器学习算法

机器学习算法主要有三种：监督学习、无监督学习和强化学习。监督学习是在已知输入和输出的情况下训练出一个模型，将

https://bigquant.com/codesharev2/a73609db-6607-4078-920b-7975d79bbf15

\

量化交易利用数学和统计学方法来分析市场并执行交易的过程，是现代金融的一个重要组成部分。量化模型的目的是通过算法自动识别并利用市场中的规律和机会，用以获取更多收益。

量化交易模型的一般由以下几个部分组成：

1 数据处理模型: 量化交易的基石是数据。这包括了从历史价格、成交量到公司财报、宏观经济指标等各类数据。对这些数据的收集、清洗和处理是构建有效模型的首要步骤。**[BigQuant策略编写平台](ht

协方差是一个统计学的概念，用于衡量两个随机变量间的总体误差。它反映的是两个变量之间的相互关系以及它们如何一起变动。在金融领域，特别是在投资组合管理和风险管理中，协方差是一个非常重要的概念，因为它帮助投资者理解不同资产之间的价格变动关系，从而更好地分散风险。

核心概念

• 定义： 如果有两个随机变量 X 和 Y，它们的协方差表示为 Cov(X,Y)， *

这篇文章的主要目的是介绍有效前沿这个理论工具和分析框架。我们由均值方差分析展开，逐步推演到有效前沿。然后，我们又说到有效前沿在投资或者量化中的应用场景，最后我们也总结了有效前沿的一些问题，尤其是敏感性问题。在教程中，特意加入了一些实验代码，可以让大家在阅读的过程中有更好的理解。

有效前沿

说到有效前沿（有些叫效率边界），就要提到马科维茨的投资组合理论了。

首先介绍下它的三大假设：

• 单一投资期，比如一年
• 流动性很高，无交易成本
• 投资者的选择基于最优均值方差

于是，我们可以开始推导有效前沿，在这之前，我们先约定一些数学符号：

• rf：无风险利率
• μ：风险

旧版声明

本文为旧版实现，仅供学习参考。

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

下列代码在读取数据时，使用最新dai.query接口即可。

数据读取

\

策略案例

[https://bigquant.com/codesharev2/5509a634-c207-4eaf-a6f2-a73d15fada39](https://bigqua

导语

1989年发表的论文《The Fundamental Law of Active Management》及其随后的相关论文揭示了寻求主动投资的alpha收益的数量化关系，这为主动组合投资管理带来一套令人信服的分析框架，这个数量化关系很好揭示了数量化技术(量化投资)可以如何或者应该如何切入投资管理领域。

和被动组合管理(passive porfolio management)相比,主动组合管理(active porfolio management)更显投资水平的能力，或者说运气。被动投资力求完全复制相应的基准成分股及其权重，所以每当某指数做成分股的调整时，新入选的股票

人工智能（AI）技术得到了飞速发展，其在各个领域的运用也不断取得成果。机器学习被评为人工智能中最能体现人类智慧的技术，因此开发AI量化策略可以理解为将机器学习应用在量化投资领域。

理解机器学习算法

机器学习算法太多，本文讨论只针对适用于金融数据预测的常用有监督型机器学习（Supervised Machine Learning）算法：StockRanker。假设我们要去预测某个连续变量$ Y$未来的取值,并找到了影响变量$ Y$取值的$K$ 个变量，这些变量也称为特征变量（Feature Variable）。机器学习 即是要找到一个拟合函数$f(X_1,X_2,\ldots,X_K|

https://bigquant.com/experimentshare/5d58aac171cc4f0da4c5ef68b8871c80

\

分享一些量化交易相关的常识信息。

五因子模型公式及应用

五因子模型是哪五个因子

**[多因子选股模型及优缺点](https://bigquant.com/wiki/doc/5asa5zug5a2q6ycj6ikh5qih5z6l5zcn6kn6ke

多因子选股模型是一个在全球金融领域广泛应用的投资策略，它基于多个因子来评估和选择股票。这种模型试图通过组合不同的投资因子，比如价值、成长、市场情绪、质量、动量等，来提高投资组合的回报率并降低风险。

基本概念

多因子选股模型通过综合考虑多个影响股票表现的因子来构建投资组合。这些因子是基于历史数据和金融理论研究得出的，能够从不同角度反映股票的潜在价值和风险。例如，价值因子可能基于公司的

投资风险指的是在投资过程中可能导致投资损失的不确定性或不可预见性因素。风险是投资的固有部分，它不仅影响投资的收益，还决定了投资者可能面临的潜在损失程度。了解和管理投资风险是实现投资目标的关键环节。

投资风险类型

1. 市场风险（系统性风险）
   • 指整个市场或广泛的经济因素引起的投资价值波动。
   • 包括股票市场波动、利率变化、货币汇率波动等。
2. 信用风险（违约风险）
   • 投资对象（如债券发行人）无法履行合同义务，导致投资损失的风险。
   • 例如，债券发行人违约不支付利息或本金。
3. 流动性风险
   • 指投资资产难以在没

BigQuant量化交易开发平台是专为量化投资和交易设计的综合软件平台。提供一系列量化开发工具和服务，使交易者和投资者能够开发、测试、优化和执行复杂的量化交易策略。（文末附开发资源汇总）

基本概念

量化开发平台通常包括数据分析、策略开发、回测、风险管理和自动化交易功能。它们为量化交易者提供了一个集成环境，用于构建和实施基于数学和统计模型的交易策略。

核心功能

基本概念

量化金融数据是量化投资的基石，它包括各种类型的数据，用于支持交易决策、风险管理和投资策略的开发。

量化金融数据类别

1. 市场数据

   1. 价格数据：包括股票、债券、期货、期权、外汇等各类金融资产的历史和实时价格。
   2. 交易量数据：显示特定资产在特定时间内的交易量。
   3. 成交数据：包含成交价和成交量的详细信息。

2. **基本

投资策略的优化是一个复杂的过程，旨在提高投资回报、降低风险并适应市场的变化。这通常涉及对现有策略的评估、调整和改进。以下是一些常见优化投资策略的方法和案例：

投资策略优化方法

1. 资产配置调整
   • 根据市场变化和个人的风险承受能力调整资产配置比例。
   • 例如，随着市场利率的上升，可能需要减少债券的比重，增加对股票的投资。
2. 定期平衡
   • 定期重新平衡投资组合，以维持原始的风险和回报水平。
   • 例如，如果股票的比重因市场上涨而增加，就卖掉一部分股票，购买更多的债券。
3. 采用或调整量化策略
   • 使

更新

最新代码

\

书籍推荐

工具书籍

量化大类资产配置

![{w:100}{w:100}{w:100}](/wiki/api/attachments.redirect?id=c9391341-652a-497c-b067-c62dd5f53ee9 "left

摘要

雪球的投资本质

①投资人与券商充当的角色

②投资人与券商是否对立

这是投顾经常被问到的问题。销售机构在推荐雪球产品时，必定会讲到交易对手方是券商，一些投资人会简单理解自己在和券商做博弈。我自己在第一次接触雪球时也有这样的误解：如果雪球产品跌破敲入价格，保本保息机制就消失了，所以作为对手方的券商特别有动力想股票下跌，这样就不用支付利息了。路演里刘博士很清晰的描述了券商与投资

图片4月29日，由华泰证券、宽邦科技、亚马逊云科技、朝阳永续、金融阶等多家市场权威机构联合组织撰写的《2021年中国量化投资白皮书》正式发布，并在深圳举办发布会。聚宽投资合伙人王恒鹏出席会议并作题为《量化团队内部协作的实践探索》的演讲，我们对文字进行实录，以飨读者。 图片

《2021中国量化投资白皮书》（以下简称《白皮书》）谈到：中国量化相比美国差了35年的时间。但实际上过往这四五年，中国量化规模已经发展了10多倍，量化内卷已经形成了很大程度的行业共识，而行业越内卷，机构对人才的重视程度则越高。因此今天我站在团队管理、公司文化和个人职业发展角度，给大家分享一下聚宽这几年的探索和心得。 ![

https://bigquant.com/experimentshare/ce74bc7af5cd4206bcb1b6334235e2f8

\

这是旧版的例子, 只能在2.0.0的Aistudio中运行

策略案例

https://bigquant.com/experimentshare/54fe864132a7447894540d70cd2e36e5

\

请参考新版的大盘择时

机器学习+择时+跟踪止损+技术分析

策略案例

https://bigquant.com/experimentshare/a5ed3eddf32f4e4dad4811a1acc257f0

\

摘要

高频交易在美国证券市场中的角色

如果把正在正常交易、买卖力量均衡的市场比喻成一个平静的水面，此时，某个基本面交易员下了一个数量较大的订单，这好比往水中投入了一块石头。那么，不论是订单自身的价格推动力，还是其他投资者做出的反应，都会使市场产生一系列波动，一如水面泛起的层层涟漪。而高频交易则藏匿于其中，于市场的起伏之中寻找获利的机会。

在美国，上市和交易业务是完全分离的

所有的上市证券均可以在任何一家交易所交易。对高频交易商而言，这种碎片化的交易模式提供了很大的获利机会。试想，同一个证券很有可能因为市场流动性或是参与者结构的差异，甚至只是信息传递存在时滞，在不同

策略介绍

本文将介绍经典的ROE策略，并通过编写简单的策略示例进行回测。

ROE策略是一种常用的财务分析和投资策略，特别在股票投资领域。它主要基于公司股本回报率的高低来评估和选择投资对象。

高ROE公司通常具有较强的盈利能力：

• 高ROE表明公司能以较少的股东权益产生更多的利润，意味着公司经营效率高，盈利能力强。

高ROE公司通常具有良好的管理和业务模式：

• 高ROE通常反映了公司管理层的优良管理能力和成功的业务模式，使得公司在竞争中具备优势。

高ROE公司通常具有较高的股东回报：

• 因为高ROE代表公司可以用股东的投入资金获得更高的收益，这

导语

通过数据过滤我们可以在预测的时候避开ST股和退市股，但如果很不幸我们的买入持仓中有股票变成了ST股或者退市股时，我们应该如何快速卖出逃脱呢？本节我们就聊聊如何处理持仓中的“雷”股。

我们知道，模板的策略逻辑是卖出每日预测排序靠后的股票。那么尝试思考这样一个场景：某个持仓的股票突然发布公告启动ST或者退市流程，好股变成了“”雷“”股。但是很可能我们的排序预测模型始终意识不到这个雷，而导致此股的打分排序始终不是靠后的。这会导致这些烫手的山芋无法脱手，自爆仓中。不仅导致策略无法卖出此股，还会因其占用了资金而无法买入新的股票。

因此，我们在每天的交易逻辑前加入“雷股判断”，一旦发现持

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