摘要

另类标签和集成学习有助于提升人工智能选股模型的超额收

对于量化选股模型来说，另类标签指有别于收益率的标签，也可视为一种“另类数据”。本文通过设置多种测试情形，对比了另类标签(信息比率和Calmar比率)与传统收益率标签在构建人工智能选股模型的优劣。相比收益率标签，另类标签在全

1.公募量化基金收益表现：500增强收益增厚明显

3月中旬以来，公募中证500增强基金整体超额收益率为0.54%，2022年以来公募中证500增强基金整体超额收益率2.62%。

2022年以来，41只中证500增强基金超额收益为正，5只中证500增强基金超额收益为负，累计超额收益排名靠前的中证

尊敬的Quant：

量化使用最多的语言是什么？python还是C?工资差别有多大？

畅想未来3年的量化，大家能想到哪些关键词？这些关键词是否就是未来照进现在？

AI算法在使用哪些场景？市场模式识别、收益率预测、交易执行各是什么算法在驱动创新？

宽度、弹性、深度、集中度，高频数据最

敬启者：

2021量化行业风起云涌，如何量度当前的量化市场？寻找到量化发展最新前沿？市场如何演变？

聚沙成塔，洞见未来，由华泰证券×朝阳永续×宽邦科技×金融阶联合发起量化行业问卷调研《2021年中国量化投资白皮书》，向235家机构发起问卷调查，并且与8家顶级机构定性访谈，尝试研判量化未来

尊敬的Quant：

2021量化行业风起云涌，桥水、D.E.Shaw、Two Sigma和Winton陆续拿下WOFE牌照，

**1、华泰人工智能系列研究：四年五主题四

主题：The Impact of AI to Global Asset Managers: The Responses and Adoptions

演讲人：关子敬 先生 Kevin Kwan彭博亚太区量化及数据科学专家

![{w:100}{w:100}{w:100}{w:100}](/wiki

\

摘要

1. 羊群效应反映的是个别股票的上涨或下跌引起相关股票收益率联动的现象，继而形成整个板块的趋势性运动。我们通过CCK模型捕捉羊群效应所引起的这种板块强趋势。
2. 模型不涉及参数，因而表现受市场状态影响较小，更具普适性。策略着眼于指数成分股组合内部微观结构的变化，进一步丰富了择时策略的

中国基金业协会披露的最新数据显示，按36个辖区划分，截至2月底，从私募基金管理规模来看，上海为51965.69亿元，私募管理人数量为4549家，管理私募基金数量为36292只，均在全国排名第一。

私募排排网数据显示，截至2月底，办公地位于上海，备案且存续运行的私募证券投资基金管理人为2979家。

AI量化策略快速理解

https://bigquant.com/wiki/doc/celve-Uu3N6WbJNJ

$\frac{\text{d}x}{\text{d}y}$

$\lim_{n \rightarrow +\infty} \frac{n-1}{n(n+1)(n+2)}$

$\begin{cases}a & x = 0\b & x > 0\end{cases}$

\

私募表示，量化私募产品在经历2021年四季度以来的回撤后，今年超额收益逐步企稳回升，未来行业将走向分化，严控风险敞口的公司，超额保持更加稳定；同时，CTA策略在市场震荡中展现了危机阿尔法的特性，长期配置价值大。

私募排排网旗下融智投资FOF基金经理胡泊称，今年指数增强策略表现相对较差主要是受到了指

摘要

1993 芝加哥期权交易所（CBOE）推出了波动率指数 VIX，反映S&P 500 指数未来 30 天预期波动率，由于预期波动率多用于表征市 场情绪，因此 VIX 也被称为“恐慌指数”，后续 CBOE 逐步推出纳斯 达克 100 波动率指数（VXN）、道琼斯波动率指数（VXD）以

https://bigquant.com/experimentshare/d01afb0cbcf14005932e41ac4c930940

\

投资要点

情绪偏谨慎

10 月 12 日 50ETF 收于 2.464，本周上涨 6.21%。 交易额 PCR 由9 月 28 日的 0.446 上升到 10 月 12 日的 1.032，市场情绪 转为偏谨慎。 10 月 12 日平值认购与认沽期权合约隐含波动率分别为 29.13%

投资要点

情绪中性

11 月 2 日 50ETF 收于 2.594，本周上涨 3.1%。 交易额 PCR 由 10 月 26 日的 0.754 下降到 11 月2 日的 0.575，市场情绪 中性。 11 月 2 日平值认购与认沽期权合约隐含波动率分别为 27.27% 与 29.

2021年3月25日Meetup策略：

策略案例

[https://bigquant.com/experimentshare/37c50fea88f648b2bcd895c3ce662001](https://bigquant.com/experimentshare/37c50fea88f

https://bigquant.com/experimentshare/85eb463354e54a9695eddc0c570040e6

\

核心观点

技术面量化是从量价时空的角度对证券未来的走势进行预测和分析，本质就是研究证券特定的价量形态或价量指标与其未来收益率之间的关系，并可结合时间和空间进行综合分析。

技术分析的理论基础

技术分析是以预测市场价格变化的未来趋势为目的，以图表为主要手段对市场行为进行的研究。技术分

#量化研究员/Quantitative researcher（应届）机器学习/量价/基本面/另类数据 北京/深圳/上海/香港/杭州/成都 学历：本科 211/985 & QS前100.数学/计算机/物理/统计等理工科专业 编程语言：Python/C++ 加分项：高中学科奥林匹克竞赛，大学ACM，L

核心观点

技术面量化是从量价时空的角度对证券未来的走势进行预测和分析，本质就是研究证券特定的价量形态或价量指标与其未来收益率之间的关系，并可结合时间和空间进行综合分析。

技术分析的理论基础

技术分析是以预测市场价格变化的未来趋势为目的，以图表为主要手段对市场行为进行的研究。技术分

核心观点

1、仓位配置在绝对收益策略中具有重要意义。通常考虑股票配置价值的基本面思路是分别从流动性、业绩、估值三个因素出发。我们分别选择单季度EPS同比变化、历史PE估值、M1同比与M2同比增速差为代理变量，测试其在价格震荡期内仓位配置方面的效果。经过测算，当价格指标提示为震荡期内，使用代理

策略简介

市场行情总是在变化，而一个模型一般只能适应一种市场，如果市场在多种行情中急剧切换，如何将多个选股模型融入到一个策略，并且根据当前行情自动切换模型进行量化选股？

本次以两种行情举例：

• 指数下跌向上反转时
• 指数小幅度调整时

行情风格多样，本次以此 2 种风格分别构建2个不

单因子分析是量化投资中重要的一步，是对因子进行有效性、单调性相关的检验。因子通过一系列检验后才有机会进入因子池并据此构建量化策略进行投资。单因子分析一般分三步：因子构建、因子处理、因子分析，本文将基于平台对上述步骤进行详细讲解。

1. 因子构建

投资者根据已有的经验来构建因子，比如传统的