风险管理

分享主题

高频动量策略与主观超短交易

\

视频回放

https://www.bilibili.com/video/BV1eG4y147Ki/

\

直播资料

/wiki/static/upload/70/70110d2a-6075-45b4-ad3c-618340dc720f.pdf

\

更新

本文为旧版实现，仅供学习参考。

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

预计算因子表[数据平台] https://bigquant.com/data/datasources/cn_stock_prefactors

https://bigquant.com/wiki/doc/dai-PLSbc1SbZX

[http

资产配置理论及其演进

大类资产配置理论研究始于20世纪30年代，传统配置策略包括60/40、等权重投资组合和均值方差模型等。20世纪90年代，为了放宽MPT的假设条件，提高理论在实践中的可行性，以BL、捐赠基金模型、投资组合保险策略、美林时钟等为代表的大类资产配置策略被提出。进入21世纪以后，市场开始用“因子”来解释资产的投资回报，不同因子的开发和基于因子的配置模型逐渐受到市场的关注。随着科技在金融领域的应用，基于MPT、大数据和人工智能的配置模型(智能投顾)正在被广泛使用于个人资产配置上。 未来大数据+机器深度学习或将打破人类认知局限，将我们带入资产配置4.0时代。

资产配

https://bigquant.com/experimentshare/962ef5e58f1e41acbeecaa0161fc56c6

\

https://bigquant.com/experimentshare/728eb11c745f400aba4c91a4839b253a

\

问题

深度学习在期货高频上的应用

策略源码

8月19日Meetup问题模板：

https://bigquant.com/experimentshare/f58dbfb388454407b8a2b99eb14cf1ea

\

\

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

Q1-@james:有什么另类的标注可以推荐下？

https://bigquant.com/wiki/doc/-0kcMgSnQXw

https://bigquant.com/wiki/doc/rengongzhineng-xilie-ershijiu-shouyi-linglei-biaoqian-zhengquan-fuben-xRMNFmmg00

视频

https://www.bilibili.com/video/BV1p14y1K7mp/

介绍

![{w:90}{w:100}{w:100}](/wiki/api/attachments.redirect?id=c07884e1-08b3-4073-9bf2-9ebca5efc0

\

8月19日Meetup模板：第二种方式

https://bigquant.com/experimentshare/5e82e63fe5154eb58b69ffa37998d588

\

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

PPT

/wiki/static/upload/1f/1fdcde6d-6311-49fc-a1ad-e533c840cf97.pdf

视频

https://www.bilibili.com/video/BV1zc411V7EW/?spm_id_from=333.999.0.0

\

问题

每日涨停/跌停数，每日上涨股票数等情绪指标如何构建和使用？

视频

[https://www.bilibili.com/video/BV1Z94y1Q73b?share_source=copy_web&vd_source=2e7dc1240ea373ea6eba1134af8dd086](https://www.bilibili.com/video/BV1Z94y1Q73b?share_source=copy_web&vd_source=2e7dc1240

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

问题

我试过用stockrank来标注做空股票和期货，（默认参数，回测做空的代码都写好）标注上加-，如-shift(close,-2)/shift(open,-1)或-shift(open,-1)/shift(open,-2)，随机生成几百甚至上千的策略回测所取得的效果普遍没有做多好，大多数情况甚至连正收益都达不到，而做多好多都轻松取得正收益，是算法的特性还是有其他窍门？

视频

https://www.bilibili.com/video/BV1Ny4y1E7KJ

\

策略源

为何你总被“过山车”行情套牢？

你是否有过这样的经历：上午看准一只强势股，果断买入，期待着收益；然而到了下午，行情风云突变，股价断崖式下跌。你心急如焚，却因为A股的“T+1”交易规则，只能眼睁睁地看着账户由红变绿，无能为力，直到次日才能割肉离场。

这种无奈与被动的背后，揭示了一个普通投资者与量化交易之间根本性的“规则差”。这并非简单的运气不佳，而是一场从规则层面就已严重失衡的博弈。本文将为你揭示这场不公平游戏的关键所在。

\

核心解读：量化交易的三大“潜规则”优势

1. 不对称的战场：你的“T+1” vs. 它的“伪T+0”

要理解这场博弈

\

在金融投资领域中，因子研究是量化投资的重要组成部分。这是一种研究和分析股票、债券等金融资产的性能和风险的关键手段，以揭示影响投资回报的基本因素。

因子研究的核心价值在于，它可以揭示那些对投资回报产生持续影响的变量，如市值、质量、动量、低波动性、收益率等。这些因子在历史上已经显示出对投资回报的显著影响，因此，对这些因子的深入理解和应用，对于量化投资策略的建立至关重要。

通过量化方法，如统计和数学模型，因子研究可以帮助投资者更好地理解资产的性能和风险，从而优化投资组合，实现风险和回报的平衡。因子研究的结果还可以帮助投资者一定程度上预测未来的市场趋势，从而做出更加科学和理性的投资决策。

[

在金融投资领域中，因子研究是量化投资的重要组成部分。这是一种研究和分析股票、债券等金融资产的性能和风险的关键手段，以揭示影响投资回报的基本因素。

因子研究的核心价值在于，它可以揭示那些对投资回报产生持续影响的变量，如市值、质量、动量、低波动性、收益率等。这些因子在历史上已经显示出对投资回报的显著影响，因此，对这些因子的深入理解和应用，对于量化投资策略的建立至关重要。

通过量化方法，如统计和数学模型，因子研究可以帮助投资者更好地理解资产的性能和风险，从而优化投资组合，实现风险和回报的平衡。因子研究的结果还可以帮助投资者一定程度上预测未来的市场趋势，从而做出更加科学和理性的投资决策。

\

告别赌徒心态

在市场的宏大剧场中，多数投资者扮演的都是悲剧英雄的角色——被希望与恐惧这两种致命缺陷所驱动，追逐着 ephemeral 的收益，最终却往往因一次无法预见的转折而功亏一篑。

如何跳出这个宿命般的循环？近期，笔者有幸与一位被誉为“量化之父863哥”的交易大师进行了一场深度对话，得以一窥其战场检验过的智慧。这并非一场枯燥的学术探讨，而是一位大师带着热情，甚至是一丝恨铁不成钢的无奈，试图纠正他眼中那些日复一日被重复的根本性错误。

本文将从这段对话中，提炼出5个最颠覆认知、也最有价值的交易心法，旨在帮助每一位读者从根本上重塑自己的交易思维，告别赌徒心态，走向真正的战略家

本次直播为你揭秘风险管理：道与术｜从“被动防守”到“主动驾驭”

——破局之道：量化风控的认知升级

🌟 直播亮点：\n1️⃣ 揭秘量化风控的「道」——核心逻辑与长期思维\n2️⃣ 拆解实战「术」——持仓管理、波动控制、模型纠错\n3️⃣ 案例复盘：那些年我们踩过的坑与救赎策略\n4️⃣ 互动答疑：现场解答你的个性化风控难题

直播视频：

[https://bigquant.com/bigapis/college/v1/files/ffb49960-a7b5-4053-8baa-2a68822e7291](https://bigquant.com/bigapis/college/v

策略绩效

\

策略思想

策略的核心是捕获 “方差溢价”，即市场中虚值看跌期权的隐含波动率（IV）会系统性高于未来实际实现的波动率（RV）。投资者因惧怕股市暴跌，愿意为虚值看跌期权这类 “尾部风险保险” 支付过高价格，导致其定价偏贵、隐含波动率显著溢价。我们通过卖出高 IV 的虚值看跌期权，本质是 “卖出被高估的保险”，长期赚取这份波动率溢价，同时买入看涨期权以规避波动率过高的风险。

\

策略细节

标的：上证50ET

\