新兵笔记 | 张宇翔

疫情冲击下,探讨大数据交易市场的数据资产的管理与定价 原创 | 点宽学院 作者 | 陈亮威 全文字数3129字,建议阅读时长 9 分钟。 大数据资产是企业重要的资源,结合国内外研究热点,大数据资产定价这一问题是业内重要的研究课题,也是其中的研究难点。同时,在全球疫情的冲击下,对大数据资产的治理和管理有着更加严峻的挑战。 01 什么是大数据资产? 社会个体在各服务平台上的行为数据,城市在运输、贸易、气象等,随着时间的积累,这些历史数据将有力的支持政府与企业进行资源调度、决策运筹等一系列决策、经营活动,这就是数据的核心价值所在。 在数据时代,掌握更多的数据,则 阅读详情

在这里插入图片描述

作为量化小白的他,又是怎样闯过重重难关,最终进入实地实习?

带着这样的思考,《学霸笔记》新兵系列,将带你走进量化新兵计划!

学员分享
在这里插入图片描述

张宇翔

中南财经政法大学金融数学

目前就读与中南财经政法大学,是一名大三学生,从大三开始立志从事与量化策略研究工作,我的格言是:天道酬勤

很幸运能够加入量化新兵。4个月前的我觉得不敢相信自己能够走到最后。四个月的磨练中,从一个量化0基础的小白,到对因子选股策略、择时策略有初步认识再到能够独立完成部分策略。可以说这几个月的收获是巨大的,也更加坚定未来从事量化领域/金融科技领域的初心。本科不是Target School,便只能通过“笨鸭子先飞的策略来弥补本科的短板,很感激量化新兵带我入了量化的门,希望自己在以后的学习中能够砥砺前行

选择学习量化投资的原因

当初参加这次计划存粹是带我做项目的导师在群里面随手发的一个推文,我感兴趣就顺手发了简历。促使我学习量化要从我大三说起,大三开学的时候自己自学了Python,那个时候就觉得编程很有意思,甚至萌生了未来从事互联网相关工作的想法,不过不太实际,于是我就开始学习计算机和金融交叉领域—量化投资。

新兵计划教授的知识由浅入深,哪怕没有量化基础没有计算机基础也可以参加。除了量化知识,新兵计划让我得以结识一群志同道合的朋友,其中不乏大神,浸淫量化多年的“老油条”,他们也能给自己带来很多帮助。同时新兵计划的老师也超Nice,有问必答!

在《因子测试与研究》阶段,由于我没有量化基础,所以训练营课件看着很吃力。当时甚至觉得要止步于这一轮,但是自己不甘心,于是就把课件代码自已一步一步复现出来,最终在第二轮取得不错的成

【点宽专栏】研报复现——跨期价差分析与跨期套利研究 简要回顾 跨期套利原理:同品种期货,交割时间不一样,交易价格也不一样,但它们具有一定相关性,根据其价格差波动套利。 研报进行跨期套利组合:泸深IF300期指、上证IH50期指和中证IC500期指的两合约跨期:当月-次月、当月-当季、当月-下季以及蝶式跨期:(当月-次月)-(次月-当季) 本文仅以中证500的当月-次月和当月-当季为例进行进行探讨。 本策略以复现【中信证券股指期货专题研究:跨期价差分析与跨期套利研究】为主。 跨期价差定义 其中,F1表示当月合约价格,F2表示次月或者当季合约价格。 品种跨期. 阅读详情

相关推荐

【点宽专栏】验证Fama French五因子模型在中国市场的表现(上)

验证Fama French五因子模型在中国市场的表现(上) 一 模型解释 2015年,Fama和French在其自己提出的三因子模型的基础上提出了新的五因子模型,在市场因子、市值因子、账面市值比因子的基础上,新增了盈利因子与投资因子,他们通过对于股市持续的观察与研究,认为盈利与投资能力也是解释股票收益率的重要因素。 在加入了这两个因子后,Fama和French得到了全新的五因子模型: 图片 其中RMW(Robust Minus Weak)为盈利因子的收益率,CMA(Conservative Minus Ag

Digquant的博客 2684

【点宽专栏】——Pivot Point交易法

1.Pivot Point交易法 1.1枢轴点(Pivot Point) 这里先建立一个概念: P= ( H + L + 2C ) / 4 {H代表高价位, L代表低价位, C代表收市价} 这个计算出的P值,是当时的市场绝对均价,下文用到P值公式是变体。 Pivot Point是一套非常“单纯”的阻力支持体系,至今已经广泛的用在股票、期货、国债、指数等高成交量的商品上。经典的Pivot Point是7点系统,就是7个价格组成的,目前广泛使用的13点系统,其实都是一样的,不过是多加了6个价格罢了,适用于大成.

Digquant的博客 2385

来了解一下事件研究法 #量化金融

原创 | 点宽学院 作者 | 龙龙哒 全文字数1478字,建议阅读时长 4 分钟。 01 什么是事件研究法 事件研究法(Event Study Methods)是指运用金融市场上的数据资料来测定某一特定的经济事件对某一或某一类上市公司价值的影响。 02 事件研究法的概述 事件研究法的最早提出者Dolley,于1933年发表了《Dolley, J.C. (1933). Characteristics and Procedures of Common Stock Split-Ups. Harvard Bus

Digquant的博客 2091

【点宽专栏】国信证券——关于量化选股之聚类分析的探讨

前言 本文基于《国信技术面量化选股系列:价格路径对收益的影响》(国信证券:20160909)和《基于k-means聚类的多因子特征检验》(国信证券:20161205)两份研报(研报见评论一附件)的思路进行实证和探讨。上述两份研报在下文中分别简称为《价格》和《聚类》。 研报内容简述 1.《价格》一文探讨了已实现波动率、偏度和峰度对收益的影响并主要得到了以下结论: 在上述三个指标的计算中,基于5分钟数据计算的三指标为有效选股因子,但用日数据则失效。 上述三因子在周度和月度范围内都是有效指标,即对时间周期不敏感.

Digquant的博客 2015

【点宽专栏】渤海证券——商品期货跨品种择时套利策略

作者:张滔 广东海洋大学 | 信息与计算科学 | 本科 点宽量化俱乐部第一期会员 简要回顾 跨品种套利原理:两不同品种期货,具有一定相关性,根据其价格差波动套利。 研报筛选出的6对组合:豆油-棕榈油、豆油-菜油、大豆-豆粕、螺纹钢-焦铁矿石、焦炭-焦煤、玉米-淀粉。 本文仅以大豆-豆粕为例进行探讨。 本策略以复现【渤海证券商品期货套利策略:商品期货跨品种择时套利策略】为主。 基本原理 一、相关系数 概念 相关关系是一种非确定性的关系,相关系数是研究变量之间线性相关程度的统计指标。相关系数是按积差方法计算.

Digquant的博客 1790

我不想针对马爸爸,但你们这些人工智能骗局还想忽悠我们多久(上)

“ 眼见为实,但这一定就是真相吗?如果眼前的一切,只是资本想让我们看到的,那我们又如何从资本设下的圈套中,意识到我们深陷其中呢? ” 大家晚上好,我是Austin。这个题材,信息量很大,内容涉及互联网、人工智能、怪诞心理学、经济学、消费心态学、统计学、传播学等知识,所以我把这个题材,分成上下两部,本期文案为上集,建议大家先加收藏,方便以后消化。 视频的创作灵感来源于三部电影:分别是今年9月的《监视资本主义:智能陷阱》(The Social Dilemma),2019年1月的《隐私大盗》(The Great.

Digquant的博客 1711

央行发行数字货币的深层逻辑

图片 央行发行数字货币的深层逻辑 相信大家如果平时关注时政新闻比较多的话,会发现近几年有越来越多关于数字货币的报道,大有一种和当下热门的新能源、5G等朝阳产业抢“C位”的架势。 图片 (指数对比图) 今天这篇文章主要想和大家聊一聊数字货币的深层逻辑,以及探讨一下,站在2020年末这个时间节点上,我们普通人的机会在哪里? 让我们先来介绍一下央行数字货币,其全名是“中国央行数字货币”,英文名是DC/EP,全称为Digital Currency/Electronic Payment,即数字货币/电子支付。它是由央

Digquant的博客 1694

【点宽专栏】教你如何应用朴素贝叶斯分类器进行股价趋势分类预测

朴素贝叶斯分类器进行股价趋势分类预测 原理 贝叶斯定理 模型思想 1、在风险识别中,贝叶斯模型本质上也是一种已知结果找原因的思维工具。 2、在风险决策中,利用贝叶斯模型的基本思想是充分利用先验信息(如已有的模型,数据信息以及经验资料),将先验分布和抽样分布整合成后验分布,从而利用后验分布进行决策。如果有新的信息,则更新后验分布,实现递归决策方案。从而得到最优策略,使得决策风险尽可能低。在概率统计的表述是:应用所观察到的现象对有关概率分布的主观判断(即先验概率)进行修正的标准方法。 3、在分类预测中,朴素贝叶

Digquant的博客 1672

【点宽专栏】虚拟遗憾最小化(CFR)之量化择时与交易

谷歌DeepMind公司研发的AI围棋AlphaGo在去年嗨翻天的时候,让我觉得现在的机器学习学习技术真的很NB,因为自己的专业,私下一直有关注机器学习在量化投资这块的一些实践。昨天看到广发出了一篇名为《虚拟遗憾最小化应用于量化择时与交易》的文章,让我眼前一亮,感觉这都怎么了啊。但是看到最后的结果,也不是很理想。这样看来,也是情理之中。很多高大上的东西,要放在金融市场去真正赚钱,这倒不见得会有多么好。除了市场本身外,自身的研究水平也是一方面。经常听朋友说,大道至简,其实也是蛮有道理的。无论什么模型,最终能.

Digquant的博客 1645

【点宽专栏】期货多因子(二)——各因子描述

一、报告简介 上期我们对于期货多因子的逻辑和用途进行了小结,我们构建期货多因子是为了刻画期货的特征,从而用于机器学习。上期我们探究了动量因子,本篇报告将把更多的因子特征呈现出来。 二、因子研究方法 上期我们对于因子溢价构建方法进行了简介,本文采用同样方法,每天换仓,构建因子多空组合。对于多空组合收益率,我们采用总收益、年化收益、年化波动、夏普比率、最大回撤、收益回撤比、Hurst指数、5,10,20,60,120日方差比率检验来衡量。 其中,Hurst指数(见中信建投Hurst报告)以及方差比率检验(Lo.

Digquant的博客 1439

【点宽专栏】验证Fama French五因子模型在中国市场的表现(下)

五 策略失效问题探索 对比同时段使用的CAPM策略,可以看出选取市场低估(α较小)的投资组合建仓是较为有效的。而在Fama French五因子策略中,我们遵循同样的选股原理,结果却相差甚远。因此,我们认为五因子模型表现不佳的原因是期在近三年间对于沪深300的解释性较差,因此没能捕捉到α收益,而并非获取α收益的策略无效。 净值曲线(4)使用CAPM模型获取的α值最小的60支股票(第1组) 针对此问题,接下来探索五因子模型效果不佳的潜在原因及解决方案: 使用α解释超额收益不恰当。 没有按时更新沪深300成分

Digquant的博客 1380

【点宽专栏】海龟策略在商品期货市场资金流策略中的应用——点宽精选

图片 本文为点宽-泰迪杯获奖作品 挖掘目标 运用日级K 线数据对2011-2013 年数据刻画资金流向,发现资金流向对未来期货的影响,并使用持仓量、成交量和价格结合进行量化选标的,最后将选择的标的运用于量化策略中。 总体流程 图片 资金流向 数据预处理 对不同标的的2011-2013 年日级K 线数据进行分析,将未上市的标的数据进 行去空操作。 期货市场中价格与成交量、持仓量关系研究 在股票市场中,资金流向(Money Flow)是一个可以反映市场中某个股票的超额需求或供给的标准的技术指标,由于每个买单会有

Digquant的博客 1311

【电力负荷预测】项目介绍 MATLAB实现基于BO-Transformer-LSTM贝叶斯优化算法(BO)优化Transformer-LSTM组合模型进行居民用户多步电力负荷预测(含模型描述及部分示例

内容概要:本文介绍了一个基于BO-Transformer-LSTM的组合模型,用于实现居民用户多步电力负荷预测的完整项目实例。该模型融合Transformer的全局注意力机制与LSTM的局部时序记忆能力,构建能够捕捉长时依赖与周期性特征的深度学习架构,并引入贝叶斯优化(BO)自动搜索最优超参数组合,提升预测精度与训练效率。项目涵盖从原始数据清洗、特征工程、滑动窗口样本构建、模型设计到超参数优化、反归一化及多步误差评估的全流程,强调时间顺序划分以防止信息泄露,并通过周期编码、外生变量融合等方式增强数据表达能力。文中提供了详细的MATLAB代码示例,包括数据预处理、网络搭建、贝叶斯优化配置和预测结果评估等关键步骤。 适合人群:具备一定机器学习和时间序列分析基础,熟悉MATLAB编程环境,从事电力系统预测、智能电网、负荷管理等相关领域的研究人员、工程师及研究生。 使用场景及目标:①应用于居民级或多用户聚合负荷的短期至中期多步预测(如未来24小时);②服务于配电系统运行调度、需求响应基线设定、家庭能源管理系统优化、分布式能源协调控制等实际工程场景;③为科研提供可复现的深度学习+贝叶斯优化的技术路线参考。 阅读建议:此资源以实际项目为导向,建议读者结合提供的代码逐步实现并调试模型,重点关注数据质量控制、时间特征编码、组合网络结构设计与贝叶斯优化稳定性之间的协同关系,在实践中深入理解多步预测中的误差累积机制与超参数敏感性问题。

国央企创新负责人如何通过平台实现科研成果的快速识别与转化?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

PotPlayer自用皮肤

自用 PotPlayer 皮肤,仅微调了字体大小与颜色,是按个人习惯调整,未做适配性调整。

2-shell及常用命令-续.pdf

2-shell及常用命令-续.pdf

视觉辅助RIS波束追踪:用摄像头“看见”用户,实现毫秒级波束对准

在无线通信领域,波束成形技术是提升高频段信号覆盖与质量的核心手段,其原理是通过调整天线阵列的相位,使信号能量在特定方向相干叠加,形成高增益定向波束。这项技术的价值在于能有效克服高频信号路径损耗大、穿透性差的瓶颈,广泛应用于5G/6G、毫米波通信及室内定位等场景。然而,传统波束追踪依赖信道估计或波束扫描,存在训练开销大、实时性差的问题。本文聚焦于一种创新解决方案:将计算机视觉与可重构智能表面(RIS)相结合。通过摄像头直接感知用户位置,并利用RIS快速重构反射波束方向,实现了近乎零开销、毫秒级延迟的波束追踪,

weixin_33552698的博客 620

配置VScode编译、调试STM32(一)手动配置makefile和debug

做嵌入式的朋友们都应该有过想要有个功能强大的IDE或者编辑器,Keil MDK5、IAR EWARM是用的比较普遍的平台了,但是两者在编辑器方面都比较弱势,当然可以设置 或者使用外部编辑器,像Sourceinsight、notePad++这样,但毕竟需要切换回来进行Build、Debug,非常麻烦。 VScode从发布至今口碑一直很好,而且里面有非常多的插件,比如彩虹括号、Code Runner、...

hanhe0551的博客 4289

sram设计流程+memory compiler整理

→。

qq_50761108的博客 1万+

光度立体三维重建——光源标定

光源标定的目的是为了确定光源方向或强度,一般利用物体表面的明暗信息、阴影信息或者反射特性三类信息中的其中一种即可,也可以将三种信息结合。采用不同标定物,是利用不同标定物的反射特性获取更加精确的光源信息。

wfengzi5的博客 1561

OPC UA 服务端的模拟工具及客户端工具

详细介绍如何使用 Prosys OPC UA Simulation Server 作为 OPC UA 服务端的模拟工具来生成数据模型,并使用 Softing OPC UA Client 作为客户端工具,直观地查看和验证模拟生成的数据。

weixin_44462773的博客 9862

unet学习笔记(milesial/Pytorch-UNet)

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 unet学习笔记(milesial/Pytorch-UNet)原理讲解unet_parts.py内容predict.py内容 所用到的代码Pytorch-UNet/predict.py at master · milesial/Pytorch-UNet ·GitHub 原理讲解 蓝/白色框表示 feature map; 蓝色箭头表示 3x3 卷积,用于特征提取; 灰色箭头表示skip-connection,用于特征融合; 红色箭头.

weixin_67138138的博客 2553

ZED双目相机环境配置

ZED SDK 安装文件夹中有一个 Python 脚本(get_python_api.py),可以自动检测操作系统、CUDA 和 Python 版本并下载相应的预编译 Python API 包(pyzed)。安装SDK成功后,我们进入ZED SDK文件夹中的tools子文件夹,运行ZED Explorer.exe 以及 ZED Depth Viewer.exe,查看ZED相机是否能正常启用工作。在本例中,我们简单地检索ZED相机的序列号:打开 ZED相机,然后打印其序列号,然后关闭相机。

qq_53545309的博客 2136

前程无忧Python岗位数据采集:基于API直连的高效招聘信息爬取实战

本文介绍了一个基于Python requests库的前程无忧招聘数据采集系统。项目通过分析API接口结构,配置完整的请求头和身份验证参数,实现了高效稳定的数据采集。系统支持多页数据批量获取,包含工作名称、薪资范围等关键字段的结构化解析,并将结果存储为Excel文件。技术实现涉及API分析、身份验证、请求头配置、数据清洗等关键步骤,同时强调遵守法律和道德规范。该系统可为求职者、HR和市场分析师提供有价值的行业数据支持,适用于市场分析、职业规划等场景。

那些看似不起波澜的日复一日,会在某天让你看到坚持的意义 1552

充电式台灯解剖报告

如题关于充电式台灯的解剖报告,适用于大学生的解剖报告

证书成功工具xca1.3.2版

setup_xca-1.3.2.最新版证书 生成工具,对于支付或者退款进行证书验证等功能生成各种证。如:ssl,ca证书。使用curl库进行双端验证更加方便。关于使用xca的方法,请自行百度。一搜就有

APP封装系统app误报毒app可上传自动实现5分钟随机更换包名和签名+视频教程.zip

程序可实现安卓app五分钟自动打包更换包名和签名也可以上传打包好的apk五分钟自动更换包名和签名,自动覆盖原下载路径可以解决因为签名包名和报毒软件相同造成的误报毒上传打包好的apk可以是封装的,也可以是原生的~上传apk的如果有加固就不能使用此功能本程序所有功能逻辑均没有第三方介入,完全程序本身实现

基于改进YOLOv8算法的钢材表面缺陷检测系统源代码+数据集+使用说明

基于改进YOLOv8算法的钢材表面缺陷检测系统源代码+数据集+使用说明RequirementsLinux (Ubuntu)/WindowsPython >= 3.8Pytorch >= 1.13.1NVIDIA GPU + CUDA CuDNN cd yolov8_Imporved-Defect_detection pip install -r requirements.txt

上一篇: 央行发行数字货币的深层逻辑
下一篇: 【点宽专栏】宽客TAO学习贴:指标量化之超买超卖—EMV简易波动指标
Dig Quant
博客等级 码龄7年 124粉丝 53原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值