精华内容
下载资源
问答
  • 全面解读量化中性策略

    千次阅读 2020-09-01 17:06:04
    相信很多投资者在购买投资产品时,常常会听到一些投资专用词语,例如下文将介绍的“量化中性策略”,这些词语对于投资小白们来说,仅听名称就让人一头雾水,具体什么是量化投资,以及常见的策略如何操作就显得更加...

    相信很多投资者在购买投资产品时,常常会听到一些投资专用词语,例如下文将介绍的“量化中性策略”,这些词语对于投资小白们来说,仅听名称就让人一头雾水,具体什么是量化投资,以及常见的策略如何操作就显得更加神秘了。下面,我们一起走进“量化中性策略”

    一、什么是量化中性策略?

    量化中性策略我们可以把它拆分成“量化”“中性”两个词来理解。

    首先看“中性”,也就是市场中性策略

    当我们买入一只股票,其价格走势由两方面组成:一个是整个市场的走势(β),另一个是股票剥离市场涨跌之外的走势(α)。市场中性策略的目的就是消除市场涨跌对股价的影响,只赚股票自身小趋势的钱。其具体的做法是,买多一个股票组合,同时卖空相同市值的股指期货(如沪深300股指期货、中证500股指期货等),这样整个投资组合中既包括了一篮子的股票多头,又包括了相应的股指期货空头,进而对冲了市场波动。

    接下来是“量化”

    市场上存在两种选股的方式,一种是主观选股,另一种是量化选股。本文所讲的是采用量化选股的方式,即借助统计学和数学的方法,对包括宏观经济、上市公司财务指标等基本面因子,以及股票量价、投资者情绪、分析师预期等市场面因子的海量数据进行全面的分析,从中发现可能可以用来推测未来股价走势的指标,构建数量化策略模型并实现交易执行的程序化。

    所以说,量化中性策略主要在做的就是:1)通过量化模型找到那些表现相对于基准指数有显著超额收益的股票;2)做空基准指数对应的股指期货,对冲掉市场风险,获取Alpha收益。

    二、量化中性策略的前世今生

    (2010年之前)

    初步探索:

    探索阶段,公募基金利用量化手段构造指数性产品,直到股指期货上市为量化对冲提供了新的金融工具。

    (2010-2015年

    高速发展:

    套利及市场中性策略逐渐兴起,创造了一批以低风险稳健收益为主的资产配置策略产品,并随市场活跃高速发展。

    (2016-2018年)

    直面挑战:

    股指期货受到严厉监管之后,导致股指期货贴水扩大、对冲成本提高、市场流动性枯竭,量化中性对冲策略面临极大的挑战。

    2018年至今

    走上正轨:

    伴随股指期货逐步松绑,流动性回归,基差贴水进一步收窄有效的降低了对冲成本,同时量化中性对冲策略也在升级,收益有所上升,市场容量开始扩张。

    量化时代进行中

    近几年,为了应对股指期货的贴水,一部分量化团队开发了股票T+0策略,在原有的股票池中通过日内的股票交易来获取额外收益,同时量化选股模型也开始从传统的低频线性模型转向,建立在机器学习算法上的相对高频非线性模型,旨在提升模型自身的Alpha水平。在目前信息爆炸和软硬件飞速发展的时代,一批优秀的量化团队,凭借先进的设备和策略突出重围,头部聚集效应日趋明显。

     

    三、量化中性策略如何赚钱?

    为什么优质的量化中性产品在不同的牛熊市场环境中均能获得稳健的正收益呢?

    主要有两方面的原因

    第一,量化中性策略追求绝对收益,在持有一组量化选股的股票多头时,通过对冲工具对冲掉市场风险,赚取选股组合带来的Alpha。

    因此,量化中性策略与指数收益率的相关性低,产品净值的波动性也相对较低,优质的量化中性对冲产品都能获取相对稳健的正收益无论市场是牛市还是熊市。

    第二,量化中性策略主要通过利用自身的各种技术优势捕捉市场套利机会来赚钱。

    套利机会主要包括以下三种:

    一是对市场非有效性的套利:例如,市场利好消息出来以后,投资者往往过度反应,股价涨幅远远超过理性的范围,可以适时选择做空进行套利。

    二是对市场交易行为的套利:例如,某些机构或者游资下单有明显的规律,可以让量化策略从中获利。

    三是信息传导的速度套利:例如,新的信息进入市场以后,会对市场产生冲击。某些信息对市场的影响方向是确定的,那么谁反应更快,抢在别人之前下单,谁就能赚到更多的钱。

    首先看“中性”,也就是市场中性策略。

    构建中性策略的具体操作及相应的盈利模式如下:

    假设买入100元股票组合,卖空100元股指期货,多头与空头组合价值相等。

    a、市场上涨:股票组合多头收益+指数空头收益=16%+(-10%)=6%

    b、市场下跌:股票组合多头收益+指数空头收益=(-4%)+10%=6%

    c、市场震荡:股票组合多头收益+指数空头收益=6%+(0%)=6%

     

    了解过投资方法之后,同时我们也不该忘记了解风险。Alpha策略主要风险在于选股策略上和基差的影响。需要管理人能不断完善投资模型和操作技巧以提升获胜概率。量化中性策略虽然可能可以稳稳地穿越牛熊,但对于投资者来说,我们仍需理性对待,在风险承担能力的范围内,选择合适自己的产品。

    ---------------------------------------------------------------------

    推荐阅读:

    1.一个量化策略师的自白(好文强烈推荐)

    2.股票期货经典的量化交易策略都在这里了!(源码)

    3.期货/股票数据大全查询(历史/实时/Tick/财务等)

    4.一个完整的量化交易系统都需要哪些功能?

    5.学习Python有哪些书籍?这里有一份书单送给你

    6.江湖中常说的“网格交易法”到底是什么?

    7.10种经典的日内交易策略模型思路

    8.干货 | 量化选股策略模型大全

    9.量化金融经典理论、重要模型、发展简史大全

    展开全文
  • 量化中性策略追求绝对收益。优质的量化中性产品,在不同的牛熊市场环境中,均能获得稳健的正收益。 量化中性策略通过量化分析 “买低卖高”,构建市场中错误定价的股票投资组合来获得收益。这些投资组合所提供的...

    量化中性策略追求绝对收益。优质的量化中性产品,在不同的牛熊市场环境中,均能获得稳健的正收益。

    量化中性策略通过量化分析 “买低卖高”,构建市场中错误定价的股票投资组合来获得收益。这些投资组合所提供的收益(和风险),不会随市场牛熊而改变。

    优质的量化中性产品具有收益相对稳定、可持续、风险较低的优势。在金融产品打破刚兑、净值化转型的大趋势下,量化中性产品成为稀缺的、风险可控的、提供相对稳定回报的投资品种。

     

    对于不愿暴露在市场风险之中、希望取得相对稳健收益的部分风险厌恶型投资者,量化中性产品可以作为非标固收的替代品。

    量化中性策略

    是如何赚钱的?

    为什么优质的量化中性产品在不同的牛熊市场环境中均能获得稳健的正收益呢?

    主要有两方面的原因。

    第一,量化中性策略追求绝对收益,在持有一组量化选股的股票多头时,通过对冲工具对冲掉市场风险,赚取选股组合上涨所带来的Alpha。

     

    因此,量化中性策略与指数收益率的相关性较低,产品净值的波动性也相对较低,优质的量化中性产品在熊市中亦能获得相对稳健的正收益。

    第二,量化中性策略主要通过利用自身的各种技术优势捕捉市场套利机会来赚钱。

    套利机会主要包括以下三种:

    • 一是对市场非有效性的套利:例如,市场利好消息出来以后,投资者往往过度反应,股价涨幅远远超过理性的范围,可以适时选择做空进行套利。
    • 二是对市场交易行为的套利:例如,某些机构或者游资下单有明显的规律,可以让量化策略从中获利。
    • 三是信息传导的速度套利:例如,新的信息进入市场以后,会对市场产生冲击。某些信息对市场的影响方向是确定的,那么谁反应更快,抢在别人之前下单,谁就能赚到更多的钱。

    A股的参与者结构导致了市场的低有效性。2017年,A股散户投资者贡献了八成以上的交易量,同期美股市场机构投资者则贡献了95%以上的交易量。在这种市场有效性偏低的市场环境下,存在较多的套利机会。

    对于武装上最前沿理论、使用上最先进技术的国内量化中性策略管理人而言,正可以利用自身优势不断捕捉这些套利机会,创造出超额收益。

    关于量化中性策略更详细的介绍,请点击此处。

    甄选优质量化管理人

    量化天团再度集结

    随着市场不断进化,量化行业竞争不断加剧,未来的量化机构的发展将会更加强调人才、技术、平台的作用,只有拥有这些壁垒的管理人才能走得更为长远。

    对投资人而言,如何在纷繁复杂的量化市场上甄别、选择一个靠谱的优质管理人尤为重要。

    考虑到量化管理人的策略收益来源的不同,且有单一模型失效的风险,如果有条件的话,选择一款量化中性FOF产品将不失为一个更好的选择。

    中金财富研究深耕产品研究市场近十年,深度接触市场近百家家量化管理机构,通过系统化的私募研究体系及全方位尽调风控,为投资人提供最优资质的管理人选择,并通过交易数据的实时监控分析、持续的跟踪回访,解决信息不对等的难点,致力于为投资人实现全流程安心投资。

    来源:中金公司财富管理服务号

    -----------------------------------

    拓展阅读:

    1.海龟交易法则策略,多读几遍少走10年路

    2.网格交易法,一个不容易亏钱的投资策略(附源码)

    3.揭开日内回转交易策略做“T+0”的面纱

    4.配对交易——这个股票策略曾年赚5000万美元

    5.被动与主动的完美结合:指数增强策略的魅力

    6.经典量化选股方法——没有秘密的多因子

     

    展开全文
  • 中性策略根据实现手段可分为贝塔中性、市值中性和行业中性。贝塔中性是指投资组合的贝塔值为0。 市值中性是指组合中多头部位中大、中、小盘股票的配比与空头部位指数的配比一致,做到市值中性不一定能实现贝塔中性,...

    中性策略就是构建投资组合,使得组合与市场之间相关系数为0,也就是投资组合不随市场的波动而波动。中性策略根据实现手段可分为贝塔中性市值中性行业中性。贝塔中性是指投资组合的贝塔值为0。
    市值中性是指组合中多头部位中大、中、小盘股票的配比与空头部位指数的配比一致,做到市值中性不一定能实现贝塔中性,例如多头选一篮子创业板股票,空头用同市值的沪深300股指期货对冲,显然空头头寸无法覆盖多头头寸全部的风险敞口。
    行业中性是指多头头寸与空头头寸行业板块配置一致,没有偏配,一般做到市值中性与行业中性的组合可以近似认为达到贝塔中性

    展开全文
  • 对于量化研究而言,拿到一份基础数据,首先需要对数据做预处理,以便于更好的探究数据规律,基于不同目标有不同处理环节,其中去极值、标准化、中性化这三点经常被放在一起讨论。整理网络资料,理解如下。 去极值 ...

    对于量化研究而言,拿到一份基础数据,首先需要对数据做预处理,以便于更好的探究数据规律,基于不同目标有不同处理环节,其中去极值、标准化、中性化这三点经常被放在一起讨论。整理网络资料,理解如下。

    • 去极值

      数据(单个因子的时间序列数据)中存在异常值,可能会导致拉大标准差、拉偏统计规律…

      常规处理理念就是确定此数据指标(比如某个因子)的上下限阈值,然后超过(或低于)此限度的数据均设置为阈值,以提高数据结论的准确性。

      上下限的判定方法有三种:MAD、 3 σ 3\sigma 3σ法、百分位法。

      • MAD(Median Absolute Deviation, 绝对值差中位数法)

        MAD,先计算所有因子与平均值之间的距离总和来检测离群值。

        • 计算所有因子的中位数 X m e d i a n X_{median} Xmedian
        • 计算每个因子与中位数的绝对偏差值 X i − X m e d i a n X_i-X_{median} XiXmedian
        • 计算绝对偏差值的中位数 M A D MAD MAD
        • 确定参数 n n n,从而确定合理的范围为 [ X m e d i a n − n ∗ M A D , X m e d i a n + n ∗ M A D ] [X_{median}-n*MAD,X_{median}+n*MAD] [XmediannMAD,Xmedian+nMAD],针对超出合理范围的值做如下调整:

          X i ′ = { X m e d i a n + n ∗ M A D &ThickSpace;&ThickSpace;&ThickSpace; i f &ThickSpace; X i &gt; X m e d i a n + n ∗ M A D X m e d i a n − n ∗ M A D &ThickSpace;&ThickSpace;&ThickSpace; i f &ThickSpace; X i &lt; X m e d i a n − n ∗ M A D X i &ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace; i f &ThickSpace; X m e d i a n − n ∗ M A D &lt; X i &lt; X m e d i a n + n ∗ M A D X_i&#x27;=\begin{cases}X_{median}+n*MAD\;\;\;if \;X_i&gt;X_{median}+n*MAD\\X_{median}-n*MAD\;\;\;if\;X_i&lt;X_{median}-n*MAD \\ X_i\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;if \;X_{median}-n*MAD&lt;X_i&lt;X_{median}+n*MAD \end{cases} Xi=Xmedian+nMADifXi>Xmedian+nMADXmediannMADifXi<XmediannMADXiifXmediannMAD<Xi<Xmedian+nMAD

        # 代码实现
        def mad(series,n):
            median = series.quantile(0.5)
            diff_median = ((series - median).abs()).quantile(0.5)
            max_range = median + n * diff_median
            min_range = median - n * diff_median
            return np.clip(series, min_range, max_range)
        
        
      • 3 σ 3\sigma 3σ

        3 σ 3\sigma 3σ法又称为标准差法。

        标准差本身可以体现因子的离散程度,是基于因子的平均值 X m e a n X_{mean} Xmean而定的。可以通过 X m e a n ± n ∗ σ X_{mean}\pm n*\sigma Xmean±nσ来衡量因子与平均值的距离。

        • 计算出因子的平均值与标准差;

        • 确认参数 n n n;

        • 确认因子值的合理范围为 [ X m e a n − n ∗ σ , X m e a n + n ∗ σ ] [X_{mean}-n*\sigma,X_{mean}+n*\sigma] [Xmeannσ,Xmean+nσ],并对因子值做如下的调整:
          X i ′ = { X m e a n + n ∗ σ &ThickSpace;&ThickSpace;&ThickSpace; i f &ThickSpace; X i &gt; X m e a n + n ∗ σ X m e a n − n ∗ σ &ThickSpace;&ThickSpace;&ThickSpace; i f &ThickSpace; X i &lt; X m e a n − n ∗ σ X i &ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace;&ThickSpace; i f &ThickSpace; X m e a n − n ∗ σ &lt; X i &lt; X m e a n + n ∗ σ X_i&#x27;=\begin{cases}X_{mean}+n*\sigma\;\;\;if \;X_i&gt;X_{mean}+n*\sigma\\X_{mean}-n*\sigma\;\;\;if\;X_i&lt;X_{mean}-n*\sigma \\ X_i\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;if \;X_{mean}-n*\sigma&lt;X_i&lt;X_{mean}+n*\sigma \end{cases} Xi=Xmean+nσifXi>Xmean+nσXmeannσifXi<XmeannσXiifXmeannσ<Xi<Xmean+nσ

        # 代码实现
        def three_sigma(series,n):
            mean = series.mean()
            std = series.std()
            max_range = mean + n * std
            min_range = mean - n * std
            return np.clip(series, min_range, max_range)
        
      • 百分位法

        将因子值进行升序排列,对排位百分位高于97.5%或低于2.5%的因子值,进行类似于MAD、 3 σ 3\sigma 3σ的操作。

        # 代码实现
        def percentile(series, min= 0.025, max= 0.975):
            series = series.sort_values()
            q = series.quantile([min, max])
            return np.clip(series, q.iloc[0], q.iloc[-1])
        
    • 标准化

      对于多因子策略,不同因子的量纲和数量级不同,为实现不同指标的可加性,需要对原始指标数据进行标准化处理。

      数据标准化方法分类:

      • 直线型:极值法、标准差法
      • 折线型:三折线法
      • 曲线型法:半正态性分布

      数据标准化处理主要包括:

      • 数据同趋化:主要解决不同性质数据问题,使所有指标对评测方案的作用力同趋化
      • 无量纲化:主要解决数据的可比性。

      数据标准化原理是将数据按比例缩放,使所有数据落入一个小的特定区间。最常见的就是归一化,将数据统一映射到[0,1]之间。

      归一化是标准化的特例,标准化是特征缩放的特例。

      数据标准化的具体方法:

      • 最小-最大标准化(Min-max normalization)离差标准化

        Min-max normalization又称为离差标准化,是常见的归一化处理

        • 获取因子值最大值max,最小值min;
        • 对数据进行线性变化

          y i = x i − m i n 1 ≤ j ≤ n { x j } m a x 1 ≤ j ≤ n { x j } − m i n 1 ≤ j ≤ n { x j } y_i=\frac{x_i-min_{1\leq j \leq n}\{x_j\}}{max_{1\leq j \leq n}\{x_j\}-min_{1\leq j \leq n}\{x_j\}} yi=max1jn{xj}min1jn{xj}ximin1jn{xj}

      • Z-score标准化

        标 准 化 后 数 据 = 原 始 数 据 − 单 个 指 标 内 所 有 值 的 均 值 单 个 指 标 内 所 有 值 的 标 准 差 标准化后数据=\frac{原始数据-单个指标内所有值的均值}{单个指标内所有值的标准差} =

        # 代码实现
        def standard_z_score(series):
            std = series.std()
            mean = series.mean()
            return (series-mean)/std
        
      • 按小数定标标准化
    • 中性化

      中性化目的:为了在用某一个因子时能剔除其他因素的影响,使得选出的股票更加分散。相比而言,标准化使不同量级指标之间需要互相比较或者数据需要变得集中。

      主要处理方式为:利用回归得到一个与风险因子线性无关的因子。即通过简历线性回归,提取残差作为中性化后的新因子。这样处理后的中性化因子与风险因子之间的相关性严格为零。
      F a c t o r i = β M ∗ l n ( M k t V a l i ) + ∑ j = 1 n β j ∗ I n d u s t r y j , i + ϵ i Factor_i=\beta_M*ln(MktVal_i)+\sum^n_{j=1}\beta_j*Industry_{j,i}+\epsilon_i Factori=βMln(MktVali)+j=1nβjIndustryj,i+ϵi


    • Reference

    1. 1行代码完成去极值、标准化、行业与市值中性化—以pb因子为例
    2. 数据处理专题:去极值、标准化、中性化
    3. Wikipedia Feature scaling
    4. Wikipedia Normalization (statistics)
    展开全文
  • 本文针对ADC量化对于中性氢(HI)观测的影响进行研究分析。首先对HI观测进行了介绍性描述;在此基础上,对于使用实验室4.5 m天线进行HI观测时的信号接收处理系统进行了描述;重点对ADC量化以及射电望远镜灵敏度的...
  • 导语:本文给出以BP(账面市值比)为例的因子缩尾处理和对市值与行业中性化的处理实现代码,展现单因子不同分位处在不同处理方法下的表现。本文是一系列因子研究中的第四篇文章。本系列的文章有:引言因子系列文章...
  • 因子数据处理 – 市值中性化 1. 中性化意义 防止选到的股票集中在固定的某些股票当中 市值影响,默认大部分因子都包含了市值的影响,去除其它因子存在的市值影响。 去除市值影响 市值 <==> 某因子 去除...
  • 国泰君安_刘富兵_2015-04-26 基于组合权重优化的风格中性多因子选股策略_数量化专题之五十七 一
  • 导语:一般的数据预处理中常提及到三类处理:去极值、标准化、中性化。我们将向大家讲述这常见的 三种数据处理操作。 一、去极值 在分析上市公司当季净利润同比增长率数据时,我们往往会被其中一些公司的数据干扰,...
  • 乔治·索罗斯、朱里安·罗伯逊、詹姆斯·西蒙斯、约翰·保尔森、肯尼斯·格里芬,以这群著名的经理人为代表的对冲基金在资本市场上创造了辉煌战绩,他们通常使用的量化对冲方式也成为了众多投资者探讨与研究的话题。...
  • 量化对冲的问题

    2020-03-22 10:12:55
    这篇文章几乎回答了你对量化对冲的所有疑问。 一、基础篇 1、在市场不稳定的情况下如何稳健套利? 套利,本就是很稳健的一种盈利方式。套利和盈利不同,相信您问的是在市场不稳定的情况下稳健“盈利”。先明确量化和...
  • 量化交易 实战第六课 市值中性化选股

    千次阅读 多人点赞 2021-03-20 01:58:33
    量化交易 实战第六课 市值中性化选股.
  • 因子数据处理之市值中性化.
  • 中国量化发展史

    2021-03-24 16:27:49
    自从2010年4月16日,沪深300股指期货上市后,中国进入量化对冲1.0时代开始至今主要经历了2个时代,接下来很快要进入量化对冲3.0时代。下面为大家分析一下这几个时代量化策略的演变的过程,以及为什么说很快进入量化...
  • 文章目录p21 因子数据的标准化处理p22 市值中心化处理介绍p23 案例:市值中性化实现以及回测选股结果p24 市值中心化结果总结分析p25 总结 平台:https://www.ricequant.com/quant api1:...
  • 量化对冲”是“量化”和“对冲”两个概念的结合。“量化”指借助统计方法、数学模型来指导投资,其本质是定性投资的数量化实践。“对冲”指通过管理并降低组合系统风险以应对金融市场变化,获取相对稳定的收益。...
  • 中性粒细胞是血液中的一种白细胞,其主要作用是吞噬细胞,当人体出现感染或炎症时,中性粒细胞就会聚集在有炎症的地方开始吞噬细胞和细菌,帮助机体抵御感染等疾病的发生。近年来,科学家们通过研究发现,中性粒细胞...
  • 我为何离开量化私募行业?

    千次阅读 2019-09-26 10:52:41
    2016年深度贴水带来的高对冲成本使得量化中性策略几乎不赚钱,16年底面对即将解禁的股指期货,量化中性策略看到复苏的希望,但随着股指放开后4月份一波新的核心因子回撤,希望又被浇灭; 2017年整体来看市场风格...
  • 量化策略的分类

    千次阅读 2019-12-09 10:22:22
    目前国内量化策略类型的划分方式多样,从投资范围和风险收益属性特征差异的角度,可以将市场上主要的量化策略划分为市场中性策略、指数增强、量化选股、CTA、套利类策略、期权策略以及量化多策略等。 国内主流量化...
  • 量化选股策略模型大全

    千次阅读 2020-02-19 16:16:58
    量化选股就是利用数量化的方法选择股票组合,期望该股票组合能够获得超越基准收益率的投资行为。量化选股策略总的来说可以分为两类:第一类是基本面选股,第二类是市场行为选股。 基本面选股主要有多因子模型、风格...
  • 先明确量化和对冲的概念,可下载OA系统中“量化对冲 产品基础知识学习手册”进行详细学习。量化对冲产品在构建股票多头的同时,也构建期货空头。这种操作在市场不稳定时,可以对冲市场的系统风险,从而留下股 票多头...
  • 量化策略分类

    2020-08-13 10:11:02
    目前国内量化策略类型的划分方式多样,从投资范围和风险收益属性特征差异的角度,可以将市场上主要的量化策略划分为市场中性策略、指数增强、量化选股、CTA、套利类策略、期权策略以及量化多策略等。 国内主流量化...
  • <<<****【点击】传送门-加入 Python量化...也许你想求得一份量化投资的相关工作,但又觉得量化投资很神秘,不知道从何学起。马云说,对于新兴事物,绝大多数人第一看不见,第二看不起,第三看不懂,第四来...
  • 量化研究的流程

    千次阅读 2020-05-29 10:00:21
    在构建信号前进行数据处理、标准化、去极值、中性化 基础信号的研究、分组回测、ic、ir、衰减、行业分布 将基础信号合成复杂信号 四、构建策略 策略模板,兼容不同标的的策略,使用于股票...
  • 量化私募,你值得了解

    千次阅读 2019-08-22 10:11:34
    近来股票市场比较动荡,而量化私募受到了越来越多的关注。 进入2018年之后,股票市场动荡,主要股指不断下跌,而量化投资能够通过股指期货等对冲工具对冲股市下跌风险,且持股分散、流动性好,风控优势得到充分体现...
  • 从事量化策略工程师、量化策略分析师方向; 目标 掌握回测框架的使用; 掌握股票的量化投资策略; 量化交易简介 了解量化交易的定义以及类型; 说明量化交易的研究流程; 了解量化交易项目的工作内容; ...
  • 1.量化 对于一般投资者,甚至是部分金融从业者来说,量化投资都是一门高大上的技术,充斥着模型代码和算法假设,门槛非常高。其实,生活中的量化思想无处不在。 例如,某魔都金融民工,每日上班路线是这样的:乘...
  • 量化基金投资常用策略简介

    千次阅读 2020-09-26 13:13:11
    所以,套利本身是中性的。 套利策略之所以会存在,其内在逻辑是: 相同(或相似)的产品的交易价格应该是相同的 不同的市场,或依托不同的渠道,其交易价格往往是不同的 此时,买入低估的,同时卖空高估的,等

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,618
精华内容 647
关键字:

中性量化