<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[绿杨]]></title><description><![CDATA[芳草]]></description><link>https://blog.youkuaiyun.com/RedeLego</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; RedeLego]]></copyright><item><title><![CDATA[关于量化交易投资入坑前必须明白一件事]]></title><link>https://blog.youkuaiyun.com/RedeLego/article/details/89453993</link><guid>https://blog.youkuaiyun.com/RedeLego/article/details/89453993</guid><author>RedeLego</author><pubDate>Mon, 13 May 2019 10:55:47 +0800</pubDate><description><![CDATA[转 关于量化交易投资，入“坑”前必须明白一件事
量化交易在国内开始发展，越来越多的人，想要进入这个领域。
有人问，我是编程高手，想做量化交易，如何开始？
也有人问，我是交易高手，但是我不懂编程，该如何学习？
本文将解决这两个问题：
①首先，交易就是交易，不管是主观客观量化自动化，本质还是交易。不会因为出了一种量化的交易模式，编程的人员就忽然多了优势。即使编程再厉害，对交易能力的提升也毫无作用。

...]]></description><category></category></item><item><title><![CDATA[出色不走(II)]]></title><link>https://blog.youkuaiyun.com/RedeLego/article/details/89453997</link><guid>https://blog.youkuaiyun.com/RedeLego/article/details/89453997</guid><author>RedeLego</author><pubDate>Sun, 12 May 2019 19:53:54 +0800</pubDate><description><![CDATA[转 出色不如走运 (II)？
作者：石川，量信投资创始合伙人，清华大学学士、硕士，麻省理工学院博士；精通各种概率模型和统计方法，擅长不确定性随机系统的建模及优化。知乎专栏：https://zhuanlan.zhihu.com/mitcshi。未经授权，严禁转载。
摘要：本文介绍几种主流的多重检验方法。它们可以排除 data mining 造成的运气成分，从而有效的从大量因子中选出真正能够解释截面收...]]></description><category></category></item><item><title><![CDATA[出色不如走运(III)]]></title><link>https://blog.youkuaiyun.com/RedeLego/article/details/89454003</link><guid>https://blog.youkuaiyun.com/RedeLego/article/details/89454003</guid><author>RedeLego</author><pubDate>Sun, 12 May 2019 19:22:26 +0800</pubDate><description><![CDATA[转 出色不如走运 (III)？
作者：石川，量信投资创始合伙人，清华大学学士、硕士，麻省理工学院博士；精通各种概率模型和统计方法，擅长不确定性随机系统的建模及优化。知乎专栏：https://zhuanlan.zhihu.com/mitcshi。未经授权，严禁转载。
摘要：本文使用随机因子的实证结果定量说明了仅靠运气就能够达到的选股效果，帮助判断选股因子是否真正有效。
1、引言
使用因子选股的逻辑是...]]></description><category></category></item><item><title><![CDATA[分享一个python均线策]]></title><link>https://blog.youkuaiyun.com/RedeLego/article/details/89454008</link><guid>https://blog.youkuaiyun.com/RedeLego/article/details/89454008</guid><author>RedeLego</author><pubDate>Sun, 12 May 2019 18:53:52 +0800</pubDate><description><![CDATA[原 分享一个python均线策略
来源：掘金量化社区 myquant.cn &nbsp;,转载请注明出处，谢谢.
简单的基于ta-lib的均线策略示例
策略简介，主要是基于分时线的close线跟MA之间的关系出信号，同时对信号有个简单的过滤逻辑，同时展示了怎么调用gmsdk来做仓位管理。订单管理并没有在代码中体现， 如果需要对委托订单的状态进行跟踪，还需要增加on_order_status函数，用...]]></description><category></category></item><item><title><![CDATA[华尔街大投行体声个位钟爱金专的生]]></title><link>https://blog.youkuaiyun.com/RedeLego/article/details/89454016</link><guid>https://blog.youkuaiyun.com/RedeLego/article/details/89454016</guid><author>RedeLego</author><pubDate>Sun, 12 May 2019 18:00:28 +0800</pubDate><description><![CDATA[转 华尔街大投行集体发声: 这个岗位，只钟爱“非金融专业的”学生！
2019年的秋招已经在各大高校开始，不少同学已经不是在等待面试通知，就是在去面试的路上了...很多向往金融但又不是出身金融专业的小伙伴们该怎么办呢？有一个岗位学长告诉你，他们对于非金融专业的喜爱超乎常人！

这个岗位就是&nbsp;Quant&nbsp;了，这些岗位的一部分学生竞争优势是很明显的，我们以今年花旗招聘为例：

数理方...]]></description><category></category></item><item><title><![CDATA[哪家量化交易平台支Matlab策SDK开发策略]]></title><link>https://blog.youkuaiyun.com/RedeLego/article/details/89454018</link><guid>https://blog.youkuaiyun.com/RedeLego/article/details/89454018</guid><author>RedeLego</author><pubDate>Sun, 12 May 2019 17:23:09 +0800</pubDate><description><![CDATA[原 哪家量化交易平台支持Matlab策略SDK开发策略?

掘金3.0量化终端MATLAB的策略接口现在已推出使用，偏爱MATLAB编程的Quanter赶快前去体验一番吧！最新版本获取地址：https://www.myquant.cn/
接口简洁，数据格式简单，面向过程风格，新手快速上手

列表方便的获取历史、实时行情、财务等数据


事件驱动式的策略结构响应更及时


回测、实时运行策略无修改切...]]></description><category></category></item><item><title><![CDATA[因子择时的个标尺：因子动量因子离散度与因子挤]]></title><link>https://blog.youkuaiyun.com/RedeLego/article/details/89454023</link><guid>https://blog.youkuaiyun.com/RedeLego/article/details/89454023</guid><author>RedeLego</author><pubDate>Sun, 12 May 2019 16:52:41 +0800</pubDate><description><![CDATA[转 因子择时的三个标尺：因子动量、因子离散度与因子拥挤度
关于因子择时，思路虽然是多样的但是总结下来无非是两个大方向。
第一个方向是“外生变量方法”。在这个方向，我们的核心想法是基于收益分解原理，将市场的盈利波动和估值波动进行分离，通过“利率-信用-波动率”三因素模型来捕捉盈利波动带来的因子轮动机会，通过基于“股息率-国债收益率”的风险溢价时钟来捕捉估值波动带来的因子轮动机会。
第二个方向是“内生...]]></description><category></category></item><item><title><![CDATA[国内外量化平台发展现状析]]></title><link>https://blog.youkuaiyun.com/RedeLego/article/details/89454025</link><guid>https://blog.youkuaiyun.com/RedeLego/article/details/89454025</guid><author>RedeLego</author><pubDate>Sun, 12 May 2019 16:23:38 +0800</pubDate><description><![CDATA[转 国内外量化平台发展现状简析
原标题：《国内外量化平台简介》，来源：万联金工公众号
最近，京东量化平台下线的消息引发了量化圈的热烈讨论。近几年来，国内各类量化平台如雨后春笋般涌现，如聚宽、掘金、微量网等等，各有千秋。然而，由于产品同质化和变现困难等原因，此类平台至今难以实现盈利，在消耗大量资金仍看不到变现希望后，许多平台纷纷下线。本文简单讨论一下此类量化平台。

一、国外的量化平台
国外最著名的...]]></description><category></category></item><item><title><![CDATA[国内量化基金发展状趋]]></title><link>https://blog.youkuaiyun.com/RedeLego/article/details/89454027</link><guid>https://blog.youkuaiyun.com/RedeLego/article/details/89454027</guid><author>RedeLego</author><pubDate>Sun, 12 May 2019 15:52:12 +0800</pubDate><description><![CDATA[转 国内量化基金发展现状及趋势
本文选自中信证券2018年11月7日研报《国内量化基金发展现状及趋势：十年洗练，格局初现》，不构成任何投资建议，仅供兴趣爱好者学习。
文丨刘方 朱必远 王兆宇 厉海强 赵文荣 姜鹏
▍投资聚焦：十年洗练，格局初现
国内量化策略经历了十年以上的发展，行业初具规模、策略逐成体系。尤其在大资管行业向净值化、科技化演进的背景下，投资者对量化策略的关注度与日俱增。本文从基金研...]]></description><category></category></item><item><title><![CDATA[基于EVEBITDA倍数估法Alpha对冲策略（源码）]]></title><link>https://blog.youkuaiyun.com/RedeLego/article/details/89454034</link><guid>https://blog.youkuaiyun.com/RedeLego/article/details/89454034</guid><author>RedeLego</author><pubDate>Sun, 12 May 2019 15:23:28 +0800</pubDate><description><![CDATA[原 基于EV/EBITDA倍数估值法的Alpha对冲策略（附源代码）
Alpha对冲策略简介
什么是Alpha对冲策略？
&nbsp;
​ 投资者在市场交易中面临着系统性风险(即Beta风险)和非系统性风险(即Alpha风险)，通过对系统性风险进行度量并将其分离，从而获取超额绝对收益(即阿尔法收益)的策略组合，即为阿尔法策略。从广义上讲，获取阿尔法收益的投资策略有很多种，其中既包括传统的基本面分析...]]></description><category></category></item><item><title><![CDATA[基于RisParity+BlackLitterman的因子择时]]></title><link>https://blog.youkuaiyun.com/RedeLego/article/details/89454037</link><guid>https://blog.youkuaiyun.com/RedeLego/article/details/89454037</guid><author>RedeLego</author><pubDate>Sun, 12 May 2019 14:53:27 +0800</pubDate><description><![CDATA[转 基于 Risk Parity + Black-Litterman 的因子择时
作者：石川，北京量信投资管理有限公司创始合伙人，清华大学学士、硕士，麻省理工学院博士。知乎专栏：https://zhuanlan.zhihu.com/mitcshi。未经授权，严禁转载。
摘要：Risk Parity 能够有效分散风险；而 Black-Litterman 是贝叶斯思想的完美体现。二者的结合是值得持续探...]]></description><category></category></item><item><title><![CDATA[基于持向量机的器习策略（附码]]></title><link>https://blog.youkuaiyun.com/RedeLego/article/details/89454042</link><guid>https://blog.youkuaiyun.com/RedeLego/article/details/89454042</guid><author>RedeLego</author><pubDate>Sun, 12 May 2019 13:53:37 +0800</pubDate><description><![CDATA[原 基于支持向量机的机器学习策略（附源码）
机器学习策略简介
什么是机器学习策略？
​ 从广义上来说,机器学习是一种能够赋予机器学习的能力以此让它完成直接编程无法完成的功能的方法.但从实践的意义上来说,机器学习是一种通过利用数据,训练出模型,然后使用模型预测的一种方法.而机器学习策略,则是通过机器学习方法,通过输入训练数据与模型来获得对未来数据的价格或者涨跌的预期判断,进而进行投资的量化策略.
支...]]></description><category></category></item><item><title><![CDATA[基金经手记：关于子的思考]]></title><link>https://blog.youkuaiyun.com/RedeLego/article/details/89454048</link><guid>https://blog.youkuaiyun.com/RedeLego/article/details/89454048</guid><author>RedeLego</author><pubDate>Sun, 12 May 2019 13:23:23 +0800</pubDate><description><![CDATA[转 基金经理手记：关于因子的思考
在分析 Alpha 因子的时候，很难通过单一指标确定其优劣，例如常见的 IC、IR、以及本文提及的“多空组合收益差”；往往需要从多个不同角度，利用不同的指标进行刻画，最终得到一个多方权衡之后的评价结果。
现代量化投资理论认为，股票超额收益的绝大部分可以被若干个互不相关的因子（或者称 Alpha 因子）所解释。
在前人多年的相关研究中，最广为人知的莫过于Fama与 ...]]></description><category></category></item><item><title><![CDATA[多因子归检验中的NeweyWest调整]]></title><link>https://blog.youkuaiyun.com/RedeLego/article/details/89454054</link><guid>https://blog.youkuaiyun.com/RedeLego/article/details/89454054</guid><author>RedeLego</author><pubDate>Sun, 12 May 2019 12:53:25 +0800</pubDate><description><![CDATA[转 多因子回归检验中的 Newey-West 调整
作者：石川，量信投资创始合伙人，清华大学学士、硕士，麻省理工学院博士；精通各种概率模型和统计方法，擅长不确定性随机系统的建模及优化。知乎专栏：https://zhuanlan.zhihu.com/mitcshi。未经授权，严禁转载。
摘要：Newey-West 调整是计量经济学中的经典方法，在多因子模型回归分析中无处不在。本文介绍它的用法。
1、...]]></description><category></category></item><item><title><![CDATA[多因子模型建立方法]]></title><link>https://blog.youkuaiyun.com/RedeLego/article/details/89454060</link><guid>https://blog.youkuaiyun.com/RedeLego/article/details/89454060</guid><author>RedeLego</author><pubDate>Sun, 12 May 2019 12:23:03 +0800</pubDate><description><![CDATA[转 多因子模型建立方法
多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则被卖出。
举一个简单的例子：有一批人参加马拉松，如果想要知道哪些人会跑到平均成绩之上，那么只需要在跑前做一个身体测试即可。那些健康指标靠前的运动员，获得超越平均成绩的可能性较大。多因子模型的原理与此类似，我们只要找到那些与企业的收益率最相关的因子即可。
各种多...]]></description><category></category></item><item><title><![CDATA[多因策之余子]]></title><link>https://blog.youkuaiyun.com/RedeLego/article/details/89454064</link><guid>https://blog.youkuaiyun.com/RedeLego/article/details/89454064</guid><author>RedeLego</author><pubDate>Sun, 12 May 2019 11:54:27 +0800</pubDate><description><![CDATA[原 多因子策略之冗余因子
引言：
上一篇文章《多因子选股之有效因子》，我们讲到有效因子的检验。在选择了有效因子之后，我们还需要进行一步去除冗余因子。
不同的选股因子可能由于内在的驱动因素大致相同等原因，所选出的组合在个股构成和收益等方面具有较高的一致性，因此其中的一些因子需要作为冗余因子剔除， 而只保留同类因子中收益最好，区分度最高的一个因子。例如成交量指标和流通量指标之间具有比较明显的相关性。流...]]></description><category></category></item><item><title><![CDATA[多因子选股之有效因子]]></title><link>https://blog.youkuaiyun.com/RedeLego/article/details/89454065</link><guid>https://blog.youkuaiyun.com/RedeLego/article/details/89454065</guid><author>RedeLego</author><pubDate>Sun, 12 May 2019 11:23:53 +0800</pubDate><description><![CDATA[原 多因子选股之有效因子
什么是多因子选股？
玩股票的朋友的朋友应该很清楚，股市之道无外乎：选股、择时、仓控。精通任何一点都可以说在股市中所向披靡。
这次，我们从选股入手，来谈谈量化选股的基本“套路”——多因子选股。多因子选股采用一系列的因子（主要考虑使用价值、成长、质量以及市场等四大类因子）作为选股标准，将多个具有逻辑背景的因子策略相结合，选取在各个因子上综合得分较高的股票构建投资组合。通过这种...]]></description><category></category></item><item><title><![CDATA[多因子股策的实现]]></title><link>https://blog.youkuaiyun.com/RedeLego/article/details/89454068</link><guid>https://blog.youkuaiyun.com/RedeLego/article/details/89454068</guid><author>RedeLego</author><pubDate>Sun, 12 May 2019 10:52:54 +0800</pubDate><description><![CDATA[原 多因子选股之策略的实现
经过前两篇文章，我们把多因子选股策略三大步骤：因子的选取，检验，冗余因子剔除等介绍了一遍，接下来这一篇将利用已经得到的结论，完成最后一步，策略的实现。
我们根据前两篇文章的内容，我们选取以下因子来构建策略：TAGRT，ROEANNUAL，SHTLIABTOTLIABRT，PB
其因子的有效性图如下，股票池为“IT指数”成分股。



策略构建：
基本思路：我们按照一定排...]]></description><category></category></item><item><title><![CDATA[大师系列之彼得•林基调选股法]]></title><link>https://blog.youkuaiyun.com/RedeLego/article/details/89454072</link><guid>https://blog.youkuaiyun.com/RedeLego/article/details/89454072</guid><author>RedeLego</author><pubDate>Sun, 12 May 2019 10:23:17 +0800</pubDate><description><![CDATA[原 大师系列之彼得•林奇基层调查选股法
&nbsp;&nbsp; &nbsp; &nbsp; &nbsp;
前几期文章粗略讲了一套多因子选股策略的构建流程。这期，我们来研究下投资大师——彼得•林奇的选股策略。
彼得•林奇被称为全世界最成功的股票投资家和证券投资基金经理之一。在 1997—1990 年这 13年之内，林奇作为麦哲伦基金（Megellan Fund）的基金经理人创造了惊人的业绩——13...]]></description><category></category></item><item><title><![CDATA[如何C++Python：改变你思维方式]]></title><link>https://blog.youkuaiyun.com/RedeLego/article/details/89454075</link><guid>https://blog.youkuaiyun.com/RedeLego/article/details/89454075</guid><author>RedeLego</author><pubDate>Sat, 11 May 2019 19:53:29 +0800</pubDate><description><![CDATA[转 如何从C++转Python：改变你的思维方式
有人说用 Python 编程很简单，6 岁小孩都能学会。计算机视觉专家和编程语言爱好者 asya f 刚开始上手 Python 时也这么想。但门槛低就仅意味着使用简单吗？经常调用 API 的人是不是一定比可以从零写出源码的人菜？在本文中，asya f 告诉我们，从 C++转向 Python，是一次「从个人到社区」的思维转变。
从 C++ 转 Pyt...]]></description><category></category></item></channel></rss>