Advertisement

量化投资策略和相关技术。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本修订版旨在提供量化投资策略与技术的详细资料，供有需要的同学进行查阅和学习。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 量化投资的技术与策略
    优质
    《量化投资的技术与策略》一书深入剖析了运用数学模型和算法进行高效金融资产交易的方法论，涵盖从基础理论到高级技术的应用实践。 《量化投资策略与技术（修订版）.pdf》供需要的同学参考。
     
  • GARP量化投资策略代码
    优质
    GARP量化投资策略代码旨在通过结合增长与价值投资理念，运用量化方法筛选出具有高成长潜力且估值合理的股票，助力投资者实现长期稳健收益。 GARP策略是一种结合价值因素与成长因素的混合型投资方法，旨在寻找那些在某种程度上被市场低估但又具有较强持续增长潜力的股票。这种策略一方面通过利用股票的成长特性来分享高成长收益的机会；另一方面，则运用价值型投资的标准筛选低估值股票，以有效控制市场波动带来的风险。当股市的价值与成长风格发生轮换时，GARP策略能够兼顾这两种因素，从而平滑收益波动，并在市场变化中保持更为稳定的表现。
     
  • 量化投资策略模型与源码分享
    优质
    本资源提供全面的量化投资策略模型及其完整源代码，涵盖从基础到高级的各种算法交易技巧，旨在帮助投资者理解和实践量化金融。 量化投资策略源码模型包括了多种类型的量化策略代码，如量化选股、量化择时及量化资产配置等。在财务指标选股研究系列中，重点探讨成长股的选股模型以及多因子选股模型，并深入分析事件驱动策略系列和选股因子的研究成果。此外，还涵盖了分析师荐股能力评定与跟踪的方法，利用分析师盈利预测数据挖掘潜在的投资机会。 其中，“度量市场‘恐惧与贪婪’”是量化择时指标的一个重要组成部分，它帮助投资者理解市场的心理状态并据此做出投资决策。同样地，通过产业资本增减持的数据构建的另一套量化择时模型也提供了独特的视角来分析和把握市场动向。 在风格轮动方面，我们创建了相应的模型来捕捉不同市场环境下各类资产的表现差异，并制定出适应性强的投资策略。此外，在行业基本面预测及行业轮动领域也有深入的研究成果，这些都为投资者提供了一系列有效的工具和支持，以应对复杂多变的金融市场环境。
     
  • MACD指标的股票量化投资策略源码
    优质
    本段代码提供了一个基于MACD指标的量化交易策略，适用于希望利用技术分析进行自动化的股票投资者。通过设定参数，可以实现买入和卖出信号的自动化判断。 MACD被称为异同移动平均线，是从双指数移动平均线发展而来的。它通过快速的12日指数移动平均线（EMA12）减去慢速的26日指数移动平均线（EMA26），得到快线DIF；再用两倍的快线DIF与9日加权移动均线DEA之差，计算出MACD柱。MACD的意义和双移动平均线基本一致，即通过快速、慢速均线下移或上扬的变化来反映当前市场多空状态以及股价可能的发展趋势变化，并且更便于阅读。 当MACD指标从负值转为正值时，通常被视为买入信号；而当它由正值变为负值，则视为卖出信号。如果MACD线以较大角度发生变化，这表示快速和慢速均线之间的差距迅速拉大，预示着市场可能进入一个重要的趋势转变期。
     
  • Python中投资组合量化策略的实现与性能评估：Buy&Hold、MA5和MA60均线策略、RSI策略及海龟策略
    优质
    本文探讨了在Python环境中实施四种常见投资组合量化策略——买入并持有、MA5与MA60移动平均线以及相对强弱指数（RSI）和海龟交易法则，并对其性能进行了评估。 本段落将介绍五种投资策略的实现方法：1. 买入并持有（Buy&Hold）；2. MA5与MA60均线交叉策略；3. 相对强弱指数（RSI）策略；4. 海龟交易法则；以及性能评估，包括年化收益、年化波动率、夏普比率、索提诺比率和最大回撤等指标。
     
  • 量化投资策略——获取超额收益Alpha的方法
    优质
    本课程深入解析量化投资的核心理念与实战技巧，聚焦于如何通过编程和数学模型挖掘市场中的超额收益机会（Alpha），帮助投资者掌握高效的投资策略。 本书的目标是为读者提供一幅从量化角度绘制出来的市场投资“地图”。为了得到这幅通过实证研究得出的投资图谱，作者详尽地测试了超过1200种投资策略。书中归纳了七个关键的投资维度：盈利性、估值、现金流、成长性、资产配置、价格动量以及危险信号，并指导读者如何有效结合单个因素或组件因子，构建多因子策略，以创建更全面的选股模型。 最后，作者还介绍了将书中的策略融入到个人投资过程的方法，从而能够创造出优秀的选股模型并构建自己的量化模型和投资组合。通过这种方法，投资者可以实现超越市场的收益。本书中提出的方法不仅为定性投资者提供了一个设计投资策略的有效框架，同时也作为提高投资绩效的准则。
     
  • Matlab回测_BCSbacktest.rar_投资策略_市场分析_投资组合优化
    优质
    本资源为MATLAB开发的投资策略回测工具包BCSbacktest，适用于金融市场的深度分析与投资组合优化。包含全面的算法和模型，助力用户探索、验证并实施高效的投资策略。 这个程序可以用于制定组合投资策略，并能进行回测以检验自己的策略是否与当前市场相符。
     
  • 金融计量及量化策略分析-投资交易策略解析与系统构建-含源代码等资源.rar
    优质
    本资料包深入剖析金融计量和量化交易策略，涵盖从理论到实践的投资交易策略解析与自动化系统构建，内附详尽源代码及相关实用资源。 本资源包括中国人民大学财政金融学院刘振亚教授的“金融计量与量化策略分析”及“量化投资交易策略分析与系统设计”两门课程的相关作业和笔记记录。金融量化分析主要采用先进的数学模型代替人为判断，利用计算机技术从大量历史数据中筛选出能够带来超额收益的各种高概率事件，并据此制定相应策略。具体步骤包括：灵光乍现、细化策略、将策略转化为程序代码、检验策略结果、回测及模拟交易等阶段，在完成这些前期工作后，最终可以进行实盘交易操作。
     
  • 选股量化投资策略在集合竞价中的应用源码
    优质
    本作品提供了一种基于量化分析的选股策略，并具体应用于股票市场的集合竞价阶段。通过算法模型优化选择优质个股，附带完整代码实现细节。适合对量化交易感兴趣的投资者研究使用。 集合竞价是指在股市开盘前的一段时间内，投资者根据前一天的收盘价及对当日市场的预测来提交买卖股票的价格指令。在这段特定的时间窗口里，所有输入计算机主机的订单将按照价格优先和时间优先的原则进行处理，并计算出能够达成最大成交量的价格作为最终成交价，这一过程被称为集合竞价。
     
  • Python股票量化投资教程——00股票量化相关课件.rar
    优质
    本资源为《Python股票量化投资教程》系列课程中的“00股票量化相关课件”，内含基础概念、技术分析及实战技巧等内容，适合初学者和进阶用户学习。 Python股票量化投资是一种利用编程语言Python进行金融数据分析与策略构建的方法，旨在提高投资效率及决策质量。本课程面向希望在股市应用量化技术的学员，通过教授Python编程以及相关金融知识，帮助他们掌握数据驱动的投资决策方法。 学习的主要内容包括： 1. **基础Python**：作为一门易于入门且功能强大的语言，Python是进行量化交易的理想选择。了解其基本语法、常用的数据类型（如列表、字典和元组）、控制结构（例如循环与条件语句）以及函数和模块的使用方法。 2. **数据分析库**：掌握Pandas、Numpy及Matplotlib等数据处理工具，其中Pandas提供DataFrame用于高效存储金融信息；Numpy支持大规模矩阵运算；而Matplotlib则用来展示图表以帮助理解市场趋势。 3. **金融市场数据获取**：学会从不同来源（如Yahoo Finance、Alpha Vantage和Quandl）收集股票的历史价格及其他相关信息，并使用Python实现实时数据抓取功能。 4. **技术指标与交易策略**：学习计算并解读多种金融工具，例如移动平均线、相对强弱指数(RSI)及布林带(Bollinger Bands)，同时也探讨均值回归、动量交易和对冲等常见量化投资方法。 5. **回测框架**：使用Zipline或Backtrader这样的平台来模拟测试策略的有效性，并通过分析如收益与风险比率（夏普比）等指标评价其表现情况。 6. **自动化交易执行**：了解如何利用API连接至经纪商以实现自动下单，例如Interactive Brokers API可用于实时市场操作；同时管理订单类型，包括限价单、市价单和止损指令等。 7. **风险管理与资金分配**：掌握设置适当的止损点及目标收益水平的方法，并通过分散投资组合来降低整体风险暴露度。 8. **机器学习与人工智能应用**：探索如何将线性回归、随机森林以及神经网络模型应用于股票预测；同时了解深度学习技术在量化交易中的潜在价值。 9. **实战项目练习**：基于真实市场数据完成一系列从获取信息到策略实施的全过程演练，涵盖预处理步骤、策略设计阶段直至最终回测环节。 本课程配套材料包括PPT教程、代码实例及讲解视频等资源，旨在辅助学员理解并应用上述知识点，在理论与实践相结合的基础上增强其在股票量化投资领域的专业技能。