量化投资

摘要

因为行业、政策等领先信息的存在，股价通常是明显领先于公司业绩公告时间，我们在对业绩超预期事件分析的时候也可以明显看到，在事件发生前的超额收益是十分明显的。这似乎在告诉我们，我们只有对领先信息做更多的基本面研究，才能取得超额收益。这对我们传统做量化投资来说是很困难的，但幸运的是我们可以发现，事件发生后的超额收益虽然没有很高，但还是比较明显，并且具有持续性。我们通过对各个股票报告期的业绩符合预期情况发现，业绩兑现情况是具备持续性的，当前报告期业绩超预期的股票下一个报告期兑现的概率会更大，而不是完全随机的。这种统计上显著的业绩持续性，让我们不用深入研究个股基本面情况而获取超额收益变得可

问题

参考大Jim的文章可以通过group(x,x)来构建行业因子，但是如果改为group(concept, xxx) 就提示concept不在列表中。要如何构建概念板块的因子

https://bigquant.com/wiki/doc/guang-yingxiong-1Gt5Ohr4XT

\

解答

以group_mean，举例，level2，level3均可以构建，构建表达式为：

group_mean(industry_sw_level2_0,return_0)

concept用衍生模块构建，但是这个字段是在数据表里可以找到的。自定义构建即可：

df_indus

问题

挖掘因子怎么跟策略结合

https://bigquant.com/experimentshare/6a4a127545324887991901950c5f3a23

\

问题

如题，

如何在代码中获取因子值？

谢谢

https://bigquant.com/experimentshare/91d5e91c4aec407c95ea3aafdf0ac74f

\

问题

请问可转债数据的策略可以模拟交易吗？

可转债因子可以和正股的因子嫁接吗？

解答

可以参考以下文章

https://bigquant.com/wiki/doc/celve-Crcjlo0ufF

问题

怎么用bigquant的架构来获取每天涨停的个股，不是用传统的代码打出来的那种，新手试过好多次！老是运行的结果错误！

如下图所示，为 “宽客小学”的课程内容。

https://bigquant.com/tutorial/

https://bigquant.com/wiki/doc/shuju-OiRLVCmIYx

我发现两个疑惑：

1

策略

https://bigquant.com/experimentshare/bf22b9c9879a486e95471d32a2208c9e

\

运行不了：

https://bigquant.com/experimentshare/b70938db6a534ecfb6ade2556e401ef4

\

问题

问题描述

ZScoreNorm标准化后输出全为空值？

问题策略

https://bigquant.com/experimentshare/e91b4eed4f534753a3692800f33a4737

\

问题

https://bigquant.com/wiki/doc/biaodashi-yinqing-ri-yinzi-shili-NM5QLkwpfd

解答

目前level2的数据没有向普通用户开放

问题

如何做分钟周期的标注

解答

在Meetup10月15日有讲分钟数据标注的，你看一下：BigQuant AI量化专家Meetup（更新至12月03日） 4

https://bigquant.com/experimentshare/58f8eb3f17fe4114bcd49557ceb1902a

\

问题

当前国内量化投研与量化投资对数据的服务要求不断提高，因为越来越多量化机构正在比拼与追逐更高的pure alpha。

不同于传统投资交易，量化投资主要是将股市波动历史规律转化成数据，并依赖统计和编程完成数据分析和制定相应投资策略，且在执行前需先通过各类模拟测试验证其投资策略的有效性与业绩表现能否达到预期。因此，众多量化机构的一项重要工作，就是与各类金融数据打交道。

解答

目前数据方面有以下痛点：

1. 非结构化数据，比如文本信息、图像信息等数据的实用。
2. 提升数据质量。
3. 目前可用于投资的金融数据种类和类别越来越多，如何高效地管理相关数据。
4. 提高数据提取

{{membership}}

https://bigquant.com/experimentshare/ba243c6cd508478bacc881069da6dfea

\

{{membership}}

https://bigquant.com/experimentshare/78b2cb544e1b4f108ed767acf490c133

\

{{membership}}

https://bigquant.com/experimentshare/54316bdc161f4dd888f55dbabc0545c6

\

{{membership}}

https://bigquant.com/experimentshare/1ac7989b1e63421ba3850e5394e6c36a

\

BigQuant AI Platform deep learning models（BigQuant AI量化平台深度学习模型库）。

介绍

bigmodels是什么？

bigmodels是BigQuant AI量化平台的深度学习模型库，集成了AI量化研究过程中常用的深度学习模型。

为什么需要bigmodels？

我们用PyTorch封装了AI量化研究中常用的深度学习模型，包含DNN、1DCNN、LSTM和Transformer等，并持续更新。

平台用户可以用简单的方式调用经过大量实践检验的AI能力，赋能AI量化投资。

import toch
impo

摘要

人工智能系列之65：解析GPT对量化投资的影响，顾短也兼长。相比ChatGPT和GPT-4在全社会范围引发的热议，量化投资领域对于GPT的态度显得相对冷静。ChatGPT和GPT-4展现出的强大语言生成能力和部分推理能力不可谓不惊艳，但和量化投资主流方法论——低信噪比场景下的预测模型有鲜明区别。这种因立场不同带来的感知差异，就如股指期货松绑无法令非量化从业者感到兴奋一样。我们认为在短期现实层面，量化投资行业可能难以直接受益于GPT模型。但长期来看，如同人脑各区域分工明确但相互联系，现有量化投资预测模型可与各类大模型耦合扩展功能；算法升级和规模扩大后，量化模型可能涌现出预期外的能力

随着交易数据量越来越大，金融领域的各种应用已经验证了使用人工智能可以更好地进行投资或业务决策，也越来越多人相信人工智能技术在金融领域的应用前景。人工智能提供了一种适用于从个人数据到业务流程的高效数据分析工具。 与此同时，越来越多金融机构开始使用机器学习方法，以期在市场竞争中赢得优势。量化投资机构逐渐抛弃传统的分析方法，转而使用机器学习算法预测市场走势和选择投资组合。 与传统投资方式相比，量化投资方式具有更高效率及准确性。量化投资是一种基于计算机系统而生成的投资策略选择方法，可以对数学模型进行监理，在实现交易理念活动过程中构建更为完善规范的量化投资评价体系。在对模型进行监理的基础上，再对历史数据

\

• 点击新建对话，创建一个新对话

• 点击输入框，开始与QuantChat交流

• 您可以直接输入以下对话

![{w:100}](/wiki/api/attachments.redirect?id=df515aaf-cef1-460

• • 点击新建对话，创建一个新对话

  
  
  

  
  
  • 点击输入框，开始与QuantChat交流

  
  

  
  • 您可以直接输入以下对话

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

\