什么是量化投资？

量化投资是指通过数量化模型建立科学投资体系，以获取稳定收益。 在海外的发展已有30多年的历史，其投资业绩稳定，市场规模和份额不断扩大、得到了越来越多投资者认可。在国内，量化投资不再是一个陌生的词汇，近几年得到了迅猛的发展。

提起量化投资，就不得不提量化投资的标杆—

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

\

投资策略的类型多种多样，具体选择取决于投资者的投资目标和风险承受能力，下面介绍几种常见的投资策略类型。这些策略各有特点，适用于不同类型的投资者和市场环境。

1. 价值投资策略：这种策略是基于购买那些市场价格低于其内在价值的股票。价值投资者通常会寻找价格被低估的公司，这些公司具有稳健的财

什么是协方差矩阵？

协方差矩阵用于计算股票投资组合的标准差，投资组合经理又使用协方差矩阵来量化与特定投资组合相关的风险。在本文中，我们将学习如何为包含 n 个股票的投资组合创建为期“m”天的协方差矩阵。

\

投资组合分析如何运作？

让我们了解投资组合分析

ATR即平均真实范围（Average True Range）是

\

什么是套利？

简单来说，统计套利由一组量化驱动的算法交易策略组成。这些策略旨在通过分析价格模式和金融工具之间的价格差异来利用数千种金融工具的相对价格变动。统计套利起源于 1980 年代左右，由摩根士丹利和其他银行主导。统计套利策略，也被称为 StatArb，见证了金融市场的广泛应用。该策

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。

![](/wiki/api/attachments.redirect?id=193c3da7-78e9-426a-8e73-d3a3

至2021年，前30家百亿私募量化机构中29家在官网介绍了其人工智能开发，或正在招募人工智能人才。

五因子模型（Fama-French Five-Factor Model）是由ugene Fama和Kenneth French提出的，旨在更好地解释股票回报率的差异。

这个模型在原有的三因子模型基础上增加了两个因子，共包含以下五个因子：

计算公式应用参考：**[Fama-French五因子模型]

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。

![协方差概念图](/wiki/api

你是否曾经听到过人们谈论机器学习，而你却对其含义只有一个模糊的概念呢？你是否已经厌倦了在和同事对话时只能点头呢？现在，让我们一起来改变这个现状吧！

这篇指南是为那些对机器学习感兴趣，但又不知从哪里开始的人而写的。我猜有很多人曾经尝试着阅读机器学习的维基百科词条，但是读着读着倍感挫折，然后直接放

1. 股票涨跌的原理
2. 哪些群体影响股票涨跌
3. 个人如何应对股票涨跌
4. 股票涨跌计算公式及高级指标

BigQuant是以AI人工智能为核心的量化投资交易平台，为量化投资宽客提供机器学习AI技术、股票期货金融数据、高速精准回测和量化交易接口以及海

市净率（Price-to-Book Ratio，简称 P/B Ratio）是衡量公司股票价格相对于其账面价值的一个指标。这个比率通常用于评估公司股票的价值，尤其是在资产重要的行业（如金融业）中。

BigQuant的[金融市场历史数据因子平台](ht

项目介绍

在经历了近期中国股市的大幅波动之后，我们深刻理解投资者和量化爱好者可能面临的压力和挑战。然而，请相信，每次市场的波动都携带着成长的种子，为我们深化理解和提升技能提供了绝佳的土壤。参加 BigQuant 量化未来之星选拔计划，不仅是开启量化金融职业之旅的第一步，更是在不确定性中

AI量化领域结合了人工智能（AI）、机器学习（ML）以及量化金融的技术和方法。这一领域的目标是使用算法和计算模型来分析大量金融数据，从而做出投资决策或提高交易效率。

一些在AI量化领域重要技术和方法，以及在金融领域的应用：

1. 机器学习算法：机器学习算法是AI量化领域的核心。它们包括

通过上次在Cifar10上复现ResNet的结果，我们得到了上表，最后一栏是论文中的结果，可以看到已经最好

面试题目说明

• 要求
  • 尽可能低的时间复杂度和空间复杂度
  • 代码逻辑清晰，变量命名合理，代码风格规范
• 点击如下题目的克隆策略按钮
• 完成代码
• 创建策略分享链接（策略开发界面右上角），发给面试官：分享策略 > 复制 分享链接

[https://bigquant.com

#102

def func(a): 
''' 
a: 输入数组，已经排好序 
返回值：出现次数最多的元素，如果有多个，输出最早出现的 
''' 

#如果数组为空，返回None 
if not a: 
    return None 
#如果数组不为空，定义相关属性 
max_eleme

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

导语

BigQuant平台会不断封装机器学习算法策略，方便用户直接使用策略生成器开发策略，降低策略开发难度。本文对BigQuant平台上策略生成器已经支持的机器学习模型进行简单介绍。

目前，BigQuant策略研究平台支持的机器学习模型有分类模型、回归模型、排序模型和聚类模型四

指标用法

考夫曼自适应均线指标的用法具体就是：当股价一直都在线下运行时，突然有一根阳线上穿指标线，这个时候就是一个比较好的进场点，如下图所示。

![{w:100}](/wiki/api/attachments.redirect?id=c9750cee-d1fd-40c8-9f33-3b7

简介

以计算过去20日最高价当天的成交量为例，介绍如何计算这种场景的需求。

主要函数介绍

m_imax()

这里我们将使用到DAI的SQL函数m_imax，该函数可以帮助我们获得过去某个时间段的最大值的窗口索引。

![](/wiki/api/attachments