高频交易

高频交易是金融市场上的闪电般的交易活动,通过先进的算法和极速的计算机网络,在毫秒甚至微秒级别完成买卖决策,追求微小但稳定的利润。这种交易依赖复杂的数学模型,对市场数据进行实时分析并快速做出反应。由于交易速度极快,高频交易能在极短时间内捕捉到市场上的微小变动并从中获利,但也因其高速和大规模的特性,有时可能加大市场的波动性和系统风险。高频交易在现代金融市场中占据重要地位,既是技术进步的产物,也带来了市场监管和风险管理的新挑战。

如何开发带有反馈系统的策略?

问题

如何开发带有反馈系统的策略?

解答

比如今天买明天卖的策略,根据股票每天的收益情况,反馈给策略,进行参数调整,这样就可以让策略每天都是新鲜的,并且是真正贴合市场的活的策略。

模型动态更新


{w:100}深度强化学习


基于深度强化学习的股票交易

[1] Deep Reinforcem

更新时间:2024-06-07 10:55

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:2024-06-07 10:55

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:2024-06-07 10:55

高质量AI量化策略

【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:2024-06-07 10:55

AI量化交易常识

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

更新时间:2024-06-07 10:48

量化交易模型及策略2023版

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](http

更新时间:2024-06-07 10:48

高频交易:为了0.07毫秒的比拼,竟然花费了1400万美金

摘要

2/3光速对你我来说可能只是一瞬,但对于高频交易公司来说,可能就是事业的全部。在瞬息万变的市场上,棋先一招常常就在微秒之间。

眨眼 0.4 秒,常被形容快,但有家公司花了 1400 万美元,就为了让自己再快 0.07 毫秒( 0.00007 秒),5700 分之一眨眼的时间。

Jump Trading 公司在全球最大期货交易所芝加哥商品交易所数据中心对面,买了一块 12 万平方米的空地。

买了之后,他们没盖楼炒房,也不是为了风水,就是架微波通信基站,用于第一时间把交易请求传到芝加哥商品交易所。

![{w:100}{w:100}](https://n.sinaimg.cn

更新时间:2024-06-07 10:34

揭开雪球期权的博弈局 凌瓴&无鱼 2022/05

摘要

雪球的投资本质

①投资人与券商充当的角色

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

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

更新时间:2024-06-07 10:33

听海外高频交易专家讲解美国的高频交易-海通证券-20190611

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

更新时间:2024-05-23 06:11

策略中调用其他因子_AI

策略案例

https://bigquant.com/experimentshare/5cfd9186208047518a995e4394ba1099

\

更新时间:2024-05-21 08:15

高频回测模块择时策略

8月19日Meetup策略模板:

https://bigquant.com/experimentshare/a6bae485ffcc47819510b788ddfad338

\

更新时间:2024-05-21 06:30

DeepAlpha短周期因子研究系列之:DNN在量化选股中的应用


\

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

更新时间:2024-05-20 10:54

强化学习在金融市场中的应用(上)

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

[https://bigquant.com/experimentshare/e1779fa4ec184a1fb209ebff7c588b8d](https://bigquant.com/experimentshare/e1779fa4ec184a1fb209ebff7

更新时间:2024-05-20 06:33

早盘买卖

策略案例


https://bigquant.com/experimentshare/3f0d164525984abca02f3e0f58155a00

\

更新时间:2024-05-20 06:15

Python基础入门


\

更新时间:2024-05-20 02:30

机器学习量化投资实战指南

本文14323字,阅读约28分钟

导语:本文旨在用精炼的语言阐述实操层面的机器学习量化应用方法,包括给出实践中一些常见、实际问题的处理方案,并结合了量化应用实例。读完后大家可以在本平台进行实践检验。

文章概览:

1.人工智能量化投资概述

2.人工智能技术简介

3.机器学习在量化投资中应用的具体方法解析

AI相对于传统量化投资的优势 传统的量化投资策略是通过建立各种数学模型,在各种金融数据中试图找出市场的规律并加以利用,力所能及的模式或许可以接近某一个局部的最优,而真正的全局“最优解”或许在我们的经验认知之外。如同不需要借助人类经验的Alpha Zero,不仅

更新时间:2024-05-20 02:09

利用机器学习对冲风险

https://bigquant.com/experimentshare/d50ee96c36f84af6ad990409294db4cb

\

更新时间:2024-05-20 02:09

神经网络交易算法

旧版声明

本文为旧版实现,仅供学习参考。

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

\

策略案例

https://bigquant.com/experimentshare/723e10568f294571924b89f3953ce20b

\

更新时间:2024-05-20 01:02

AI选股策略_概念过滤

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:2024-05-17 07:50

分钟数据获取

策略案例

AIStudio3.0.0分钟数据获取请转移至:

https://bigquant.com/wiki/doc/5yig6zkf5pww5o2u6i635yw-6fK4a8ZOZx

[https://bigquant.com/experimentshare/893162aea1dc4c4f953f670293646709](https://bigquant.com/experimentshare/893162aea1dc4c4f953f6

更新时间:2024-05-17 01:13

如何结合欧奈尔的RPS指标,开发AI量化策略?

若想在AIStudio3.0.0种复现这个策略, 请空降:

https://bigquant.com/wiki/doc/rpsai-lgPnmWzLkq

问题

如何结合欧奈尔的RPS指标,开发AI量化策略?

讲解


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


1988年,欧奈尔将他的投资

更新时间:2024-05-17 01:13

筹码理论的探索-筹码分布计算的实现

新版请移至, 新的链接

https://bigquant.com/codesharev2/dd736102-e54b-4d0b-b549-16bd7703a7ac

\

更新时间:2024-05-16 06:36

代码策略

更新

本文内容已经过期,不再适合平台最新版本,请查看如下最新内容:

https://bigquant.com/wiki/doc/stockranker-qFD1Xg1Wz3


代码策略

[https://bigquant.com/experimentshare/23b8dad5c75e4e399bb937d498dccb8f](https://bigquant.com/experimentshare/23b8dad5c75e4e399bb937d498dcc

更新时间:2024-05-16 06:36

【历史文档】高阶应用技巧

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:2024-05-16 03:23

【历史文档】策略示例-基金智能策略

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:2024-05-16 02:32

分页第1页第2页第3页第4页第5页第6页
{link}