分类
如何选择好的期权平台

量化投资基础方法与策略

©2022 Baidu 使用百度前必读 | 百科协议 | 隐私政策 | 百度百科合作平台 | 京ICP证030173号

大数据金融丛书量化投资基础.方法与策略:R语言实战指南

弯道超车,学点别人不会的

*章为绪论,介绍量化投资及其相关概念,并论述回测操作方法和实盘操作方法及其相关软件,同时对R语言和Java的相关初级问题进行简单介绍。第二章是R语言基础与实战,介绍在R语言环境下,如何使用不同的方法获取不同来源的数据,并对数据的质量进行相关比较和分析。 第三章是金融数据获取与处理,介绍如何利用R语言实现通达信的相关选股功能,进一步介绍时间序列相关的模型在投资中的运用和简单的策略分析。 第四章是技术性投资策略,具体介绍R语言中以Quantstrat与PortfolioAnalytics为主的工具包系统,以及如何利用此系列的工具包构建策略,进行回测并优化投资组合。 第五章是量化投资策略框架,利用第四章的工具包系统,构建经典和前沿的策略,比如趋势策略、均值反转策略、人工神经网络策略、支持向量机策略和对冲策略。 第六章是系统性投资策略案例,主要介绍基于R语言的量化投资实盘系统及其操作过程。

章为绪论,介绍量化投资及其相关概念,并论述回测操作方法和实盘操作方法及其相关软件,同时对R语言和Java的相关初级问题进行简单介绍。第二章是R语言基础与实战,介绍在R语言环境下,如何使用不同的方法获取不同来源的数据,并对数据的质量进行相关比较和分析。 第三章是金融数据获取与处理,介绍如何利用R语言实现通达信的相关选股功能,进一步介绍时间序列相关的模型在投资中的运用和简单的策略分析。 第四章是技术性投资策略,具体介绍R语言中以Quantstrat与PortfolioAnalytics为主的工具包系统,以及如何利用此系列的工具包构建策略,进行回测并优化投资组合。 第五章是量化投资策略框架,利用第四章的工具包系统,构建经典和前沿的策略,比如趋势策略、均值反转策略、人工神经网络策略、支持向量机策略和对冲策略。 第六章是系统性投资策略案例,主要介绍基于R语言的量化投资实盘系统及其操作过程。

第1章 绪论 1
1.1 投资与量化投资 量化投资基础方法与策略 2
1.2 量化投资产生与发展 25
1.3 量化投资工具选择 31
1.4 R语言及其集成开发环境 42
1.5 Java语言及其集成开发环境 60 量化投资基础方法与策略
第2章 R语言基础与实战 71
2.1 语法简介 72
2.2 R语言操作初探 89
2.3 工具包安装 101
2.4 帮助 112
2.5 R语言数据处理实战 119
第3章 金融数据获取与处理 162
3.1 利用quantmod工具包获取数据 163
3.2 下载网易链接数据 170
3.3 网络爬虫抓取新浪数据 182
3.4 获取通达信软件的股票数据 194
3.5 不同来源数据质量比较 206
3.6 获取上市公司财务报表数据 210
3.7 获取期货和外汇数据 211
3.8 金融终端系统化交易 221
第4章 技术性投资策略 224
4.1 相关性分析 225
4.2 排名统计分析 241
4.3 财务报表统计分析 252
4.4 统计模型分析 263
4.5 简单策略构建及分析 274
第5章 量化投资策略框架 292
5.1 量化回测系统——以quantstrat为核心的工具包 293
5.2 投资组合系统——以PortfolioAnalytics为核心的工具包 352
第6章 系统性投资策略案例 369
6.1 系统性策略案例——经典方法 量化投资基础方法与策略 370
6.2 系统性策略案例——前沿方法 416
6.3 投资组合策略案例 448

量化投资基础方法与策略电子版,为什么开始学习投资理财

本文是由 广发证券 金融工程团队针对深度学习发布的第三篇专题报告。本文首先介绍了人工智能领域目前的发展情况并回顾了 “深度学习1.0”策略。接着本文介绍了神经网络模型和激活函数。然后,本文介绍了 Dropout技术 ,用于降低模型的“过拟合”现象;Batch Normalization,用于加速模型的训练,并且可以获得更高的预测准确率。此外,本文还介绍了多因子选股策略的具体流程、样本筛选以及深度学习预测模型。在该模型更新后,从2011年以来, 年化收益率 为20.3%,最大回撤为-4.77%,月度胜率为88.0%。从实证结果来看,模型更新有助于提高策略在实际交易中的泛化能力。

  • 《2017全球机器学习技术大会会刊》

关键词:机器学习、深度学习

本刊汇集了三十多位全球机器学习领域的技术领袖和行业应用专家在北京 机器学习峰会 的演讲稿,通过主题演讲、互动探讨、案例分享、高端培训等多种形式探讨机器学习在各领域的发展和实践应用。本刊主要涉及了关于深度学习在自然语言处理、互联网中的各种应用以及各大企业对于深度学习的运用等。

  • 《基于短周期价量特征的多因子选股体系》

关键词:多因子模型,交易型阿尔法策略

本文首先从传统阿尔法模型入手,分析了传统多因子模型的不足之处并提出新的交易型阿尔法策略体系。通过预测截面阿尔法与实际截面阿尔法之间的相关系数计算, 对阿尔法模型的预测结果得到定量的评估,这便是阿尔法模型预测系数(IC of Alpha Model)。本文重点介绍了短周期价量特征多因子选股体系的构建思路和方法,并且提供了相关因子检验的基本步骤和预测结果以及 换手率 量化投资基础方法与策略 于交易成本的平衡分析。本文还介绍了中性多因子选股策略的设计过程(共191个因子)以及实证分析。

关键词:深度学习、选股策略、深度组合

本文引入了“深度组合”的理念,将深度学习的基本理念和选股研究相结合,对市场不同角度进行解读,解决投资中的实际问题。本文介绍了深度神经网络的结构、深度组合的构造基本思路以及深度组合中不同视角的理论基础。本文还介绍了自编码学习的基本概念和针对个股和模型的检验。文章中还给出了沪深300选股的实证分析,从数据准备和预处理,到利用 损失函数 优化策略,最后通过放弃对置信度不高的时间区间的投资,策略的稳定性得到了提升,最大回撤从8.33%降低到6.14%,年化收益从18.37%提升到19.98%。

  • 《Cryptocurrency Portfolio Management with Deep Reinforcement Learning》

关键词:机器学习、 卷积神经网络 、深度学习、策略梯度、投资组合管理

本文介绍了卷积神经网络,其中, 金融资产 的历史价格作为其输入,投资组合权重作为输出。这种卷积神经网络被训练并用于加密电子货币交换的价格数据。这种训练以强化方式进行,最大化累计收益,即网络的 量化投资基础方法与策略 报酬函数 。本文通过在30分钟交易周期的实验数据上预测并回测,在同一市场上与原数据进行比较,在1.8个月的时间内实现了10倍的回报。本文就最近发表的一些组合选择策略也用于进行相同的回测,其结果与 神经网络 进行了比较。作者认为,该模型不限于加密电子货币,而且可以适用于任何其他金融市场。

相关文章推荐:

  • 《【重磅】AI Alphas(A股版)》
  • 《AI超越传统量化选股,通过AI自动获得收益提升》
  • 《如何选出符合一定条件的股票》
  • 《快速理解AI量化策略》
  • 《基于LSTM的股票价格预测模型》
  • 《LSTM Networks应用于股票市场之Sequential Model》
  • 《借助talib使用技术分析指标来炒股》
  • 《大师系列之价值投资选股策略》
  • 《价值选股策略——基于机器学习算法》
  • 《选股 择时策略组合》

量化研究每周精选》每周一期,为大家提精选研报、前沿研究、热门文章等优质内容。
查看所有 量化研究每周精选。欢迎投稿 ([email protected])

求问想做量化投资的话需要学哪些东西以及在找工作方面如何准备?

options, futures, and other derivatives

搞量化的基金公司怎么使用量化策略?

量化策略的大难题:该怎样认识量化策略的参数?怎样认识对参数的调整?怎样认识调整和坚持的关系?

市场是个时变的对象,量化优化出来的策略是个时不变的个体。以时不变个体去套在时变的对象身上,结果一定是时好时坏。策略是优化出来的东西,那么它已经是对过去的“最优”的结果了,所以但凡变化,就绝大概率的朝着不利方向演进。所以,阶段性的“失效”,是必然并无法避免会发生的。盈亏比大幅降低,是必然并无法避免会发生的。失效的时间和幅度超过你承受力的时候,就是失败的时候。

量化投资基础、方法与策略——R语言实战指南

第一章为绪论,介绍量化投资及其相关概念,并论述回测操作方法和实盘操作方法及其相关软件,同时对R语言和Java的相关初级问题进行简单介绍。第二章是R语言基础与实战,介绍在R语言环境下,如何使用不同的方法获取不同来源的数据,并对数据的质量进行相关比较和分析。 第三章是金融数据获取与处理,介绍如何利用R语言实现通达信的相关选股功能,进一步介绍时间序列相关的模型在投资中的运用和简单的策略分析。 第四章是技术性投资策略,具体介绍R语言中以Quantstrat与PortfolioAnalytics为主的工具包系统,以及如何利用此系列的工具包构建策略,进行回测并优化投资组合。 第五章是量化投资策略框架,利用第四章的工具包系统,构建经典和前沿的策略,比如趋势策略、均值反转策略、人工神经网络策略、支持向量机策略和对冲策略。 第六章是系统性投资策略案例,主要介绍基于R语言的量化投资实盘系统及其操作过程。

1.2 量化投资产生与发展 25

1.4 R语言及其集成开发环境 42

1.5 量化投资基础方法与策略 Java语言及其集成开发环境 60

第2章 R语言基础与实战 71

2.5 R语言数据处理实战 119

第3章 金融数据获取与处理 162

3.1 利用quantmod工具包获取数据 163

3.2 量化投资基础方法与策略 下载网易链接数据 170

3.3 网络爬虫抓取新浪数据 182

3.4 获取通达信软件的股票数据 194

3.5 不同来源数据质量比较 206

3.6 获取上市公司财务报表数据 210

3.7 获取期货和外汇数据 211

3.8 金融终端系统化交易 221

第4章 技术性投资策略 224

4.3 财务报表统计分析 252

4.5 简单策略构建及分析 274

第5章 量化投资基础方法与策略 量化投资策略框架 292

5.1 量化回测系统——以quantstrat为核心的工具包 293

5.2 投资组合系统——以PortfolioAnalytics为核心的工具包 352

第6章 系统性投资策略案例 369

6.1 系统性策略案例——经典方法 370

6.1.1 修正布林带交易策略 370

6.量化投资基础方法与策略 1.2 超平滑均线交易策略 377

6.1.3 经典配对交易策略(协整方法) 385

6.1.4 扩展配对交易策略(非协整方法) 391

6.1.5 类海龟交易策略 400

6.2 系统性策略案例——前沿方法 416

6.2.1 小波分析交易策略 416

6.2.2 人工神经网络交易策略 423

6.2.3 支持向量机交易策略 435

6.3 投资组合策略案例 448

##artifical neural network and random forest strategy

## Author by: fwushi815

#read customized function (transfer 量化投资基础方法与策略 local data into time series data)

#artifical neural network model

#input variables are technical indicators including WillR, RSI, 量化投资基础方法与策略 量化投资基础方法与策略 ATR and MACD

量化投资基础、方法与策略——R语言实战指南

第一章为绪论,介绍量化投资及其相关概念,并论述回测操作方法和实盘操作方法及其相关软件,同时对R语言和Java的相关初级问题进行简单介绍。第二章是R语言基础与实战,介绍在R语言环境下,如何使用不同的方法获取不同来源的数据,并对数据的质量进行相关比较和分析。 第三章是金融数据获取与处理,介绍如何利用R语言实现通达信的相关选股功能,进一步介绍时间序列相关的模型在投资中的运用和简单的策略分析。 第四章是技术性投资策略,具体介绍R语言中以Quantstrat与PortfolioAnalytics为主的工具包系统,以及如何利用此系列的工具包构建策略,进行回测并优化投资组合。 第五章是量化投资策略框架,利用第四章的工具包系统,构建经典和前沿的策略,比如趋势策略、均值反转策略、人工神经网络策略、支持向量机策略和对冲策略。 第六章是系统性投资策略案例,主要介绍基于R语言的量化投资实盘系统及其操作过程。 [1]

量化投资基础、方法与策略——R语言实战指南 作者简介

量化投资基础、方法与策略——R语言实战指南 图书目录

量化投资基础、方法与策略——R语言实战指南 第1章

量化投资基础、方法与策略——R语言实战指南 第2章

量化投资基础、方法与策略——R语言实战指南 第3章

量化投资基础、方法与策略——R语言实战指南 第4章

量化投资基础、方法与策略——R语言实战指南 第5章

量化投资基础、方法与策略——R语言实战指南 第6章

  • 1. 量化投资基础、方法与策略——R语言实战指南 .电子工业出版社 [引用日期2019-07-02]
  • 2. 量化投资基础、方法与策略――R语言实战指南 .京东 [引用日期2020-11-15]
  • 浏览次数: 次
  • 编辑次数:5次历史版本
  • 最近更新: w_ou (2021-03-28)

本人编辑

©2022 Baidu 使用百度前必读 | 百科协议 | 隐私政策 | 百度百科合作平台 | 京ICP证030173号