算法交易

算法交易是金融领域的技术革新,它利用高级数学模型和复杂算法来快速、准确地分析和解读市场动态,以制定并执行交易策略。这些算法能够在毫秒级别内对市场数据做出反应,远超人脑的处理速度。算法交易为金融行业提供了一个精细控制风险的途径。包括定点交易、套利交易和趋势跟踪等多元化策略的应用,有效提高了交易的准确性和效率。其背后的智能化系统可24小时不间断地监控市场,捕捉交易机会,大大减轻了人工作业负担,同时,极大地提升了在多变金融市场中的适应能力和盈利能力。更重要的是,由于大部分决策基于预定规则和数据模型,算法交易显著降低了情绪化决策的风险。然而,也需注意到,过度依赖算法可能导致失去对市场直觉的把握,并且在极端市场情况下,算法可能失效,导致不可预见的风险。总体而言,算法交易以其快速、精准和高效的特性,逐渐成为现代金融市场的核心竞争力。

【历史文档】策略示例-基金策略

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 02:29

【历史文档】策略示例-多空对冲的AI期货策略

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 02:05

【历史文档】策略示例-基于StockRanker的AI量化选股策略

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 01:59

【历史文档】策略示例-基于订单流的高频择时交易策略

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:2024-05-15 10:40

【历史文档】策略-策略构建

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:2024-05-15 09:34

【历史文档】因子构建与标注样例-TALIB库定义技术指标_ATR

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:2024-05-15 06:36

【历史文档】因子构建与标注样例-TALIB库定义技术指标_自适应均线

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:2024-05-15 06:35

设置回测基准期货案例

策略案例


https://bigquant.com/experimentshare/05c39d35fc4542cc9fc763d812220af9

\

更新时间:2024-05-15 02:10

预计算因子


\

更新时间:2024-05-15 02:10

新手量化学习计划

这几年跟着别的老师学习价值投资,抱着实现自动交易的目的,误打误撞接触了量化这个领域,

发现这个领域的人的都是高人,自己按照价值投资的思路,每年能拿到百分之十左右的利润就很不错了,但量化领域里面的大神都在研究每年60-70%的收益,甚至一个月翻倍…

跟武侠小说里面的藏经阁一样,扫地僧随便丢一本秘籍给你你就能横扫江湖一大半的人了…

从别的平台看到机器学习很厉害,一直没招到入门的方法,编程也不懂,就一直找地方学习,最后来到了big quant,里面资料很多,天天拿到策略改个日期看看回测,学习效果不理想

伟人说过,实践出真知,

想在这里做个计划,一步步去实现自己的想法看看能做到什么程度,

更新时间:2023-12-29 11:31

LLT低延迟趋势线择时交易

研报:

{{membership}}

LLT低延迟趋势线择时交易模型研究

https://bigquant.com/codeshare/38ef8568-518b-4756-98f0-8dd8722d01e5

LLT低延迟趋势线择时交易

[https://bigquant.com/codeshare/942d320a-c17f-4061-9e56-d24e3a0ac472](https://bigquant.com/

更新时间:2023-08-07 05:52

策略报错

更新时间:2023-08-02 06:00

开源金工|看看顶级量化私募择时选股能力

222

更新时间:2023-07-21 03:16

DeepAlpha多股策略小试牛刀

作者:james_1

前言

虫神已经对DeepAlpha进行比较详细的实验:DeepAlpha实践报告

在这里我分享下DeepAlpha-DNN和CNN的对比:

DNN操作简单, 对算力要求高, 容易得到比较稳定且一致的结果。可能是我对DNN不熟悉, 对我来说, 效果相比传统的机器学习, 提升不是很大,比较难以改进。

小股票池实验

DNN实验结果

逻辑:每日买5股, 次日卖出, 总共持仓10股

为了节省算力, 我把模型进行了一些缩减,如下所示

更新时间:2023-07-05 13:58

BigQuant 最佳实践

  • BigQuant使用案例
  • 最佳使用方式

\

更新时间:2023-06-29 06:56

【参赛】Deep Alpha-CNN策略克隆&调参擂台赛

\

更新时间:2023-06-27 03:23

申万宏源技术指标测试大全之十一—Bias

指标介绍

乖离率指标(Bias):

所需数据和参数:Bias(close,nDay,threshold )

指标伪码:

MAVAL:=MA(CLOSE,nDay);

BIAS:=100*(CLOSE-MAVAL)/MAVAL;

指标含义

/wiki/static/upload/21/210c8875-0828-4472-a65c-1ee21ec1bfec.pdf

\

更新时间:2023-06-13 06:53

BigQuant复现研报


\

更新时间:2023-06-13 06:50

运用C_实现算法交易-长江证券-20170111

摘要

国内外发展情况

起源于1975年,美国股票市场推出了股票组合的自动化交易二十世纪90年代,计算机的快速发展使电子化交易取得了突破性进展二十一世纪以来,一些大型金融软件服务机构开发的交易平台使得中小型投资者也开始进入算法交易领域国内尚处于萌芽阶段,主要是一些公募基金在使用,集中在传统的套利交易和投机交易上,但未来有广阔的提升空间

为什么选择算法交易

优点

减小市场摩擦,有效降低交易中的冲击成本

提高交易执行的效率,降低人力成本

避免由于人的不理性而出现的一些非正常交易

对于大规模的交易而言,可以隐藏自己的交易行为为什么选择算法交易

**主流策略

更新时间:2023-06-01 14:28

高频交易竞争

摘要

文献来源:Brogaard, J., & Garriott, C. (2019).High-Frequency Trading Competition. Journal of Financial and Quantitative Analysis, 54(4), 1469-1497.

推荐原因:证券电子化交易平台发展诞生了高频交易,而频繁出现的闪崩事件导致金融机构和学术界对高频交易均表现出了负面的担忧。根据加拿大Alpha交易系统的股票订单簿数据,本文作者发现在高频交易商进场后股票价差将收窄,流动性大幅改善。基于双重差分事件研究模型,作者认为高频交易竞争能显著提高股票市

更新时间:2023-06-01 14:28

如何在代码中获取因子值?

问题

如题,

如何在代码中获取因子值?

谢谢

更新时间:2023-06-01 14:26

滚动训练问题

问题

https://bigquant.com/experimentshare/b7a678d1b06d4e78a847740243ac739c

只滚动五天的数据,该怎么设置

解答

可以看滚动训练文章,了解模块参数功能:

https://bigquant.com/wiki/doc/mokuai-jianjie-VDDBPXt0jy

<https://bigquant.com/wiki/doc/celve-m6nihIfcH

更新时间:2023-06-01 02:13

取某一天的某一个值

问题

比如我想获得昨天以前30天内最高收盘价当天的MACD值,应该如何获取

\

解答

可以参考以下代码:

  1. 通过 ts_argmax(close_0, 30) 获取过去30天内的最大值发生在哪一天

  2. 通过 ta_macd_hist(close_0, fastperiod=12, slowperiod=26, signalperiod=9) 获取MACD指标

  3. 通过 DataFrame 重置索引的方式获取偏移 n 天后的MACD指标


    [https://bigquant.com/experimentshare/fa0b9062d376487abf7

更新时间:2023-06-01 02:13

向导式生成的普通策略报错

https://bigquant.com/experimentshare/4d787bfaafaa40578641e6d2ae0b6fd0

\

更新时间:2023-06-01 02:13

开发AI策略,标注结果图具体是什么含义?

问题

我是刚接触AI策略的新手,在BigQuant平台上利用策略生成器新建了一个AI策略。 运行的过程中,标注结果图如下:

问题截图

{w:100}{w:100}

不太理解这幅图的具体含义和价值,到底是怎么计算来的,这幅图到底对开发AI策略有何指导意义。有谁可以解释一下吗?谢谢~~~

更新时间:2023-06-01 02:13

分页第1页第2页第3页第4页第5页第6页第7页第8页第9页
{link}