股票
-
【研报复现】年化27.1%，人工智能多因子大类资产配置策略之benchmark
我们的研报得现工作，用了两篇文章讲数据准备： 【研报复现】年化16.19%，人工智能多因子大类资产配置策略 【研报复现】年化27.1%，人工智能多因子大类资产配置策略之benchm…
-
Quantlab整合Alpha158因子集，为机器学习大类资产配置策略做准备（代码+数据）
今天我们来整理因子集。 研报里没有给出因子细节，我的解读是“根本不重要”。 因此，我就用qlib的Alpha158，结合部分WorldQuant101，还有常用的Ta-lib的技术…
-
【代码发布】Quantlab4.3：lightGBM应用于全球大类资产的多因子智能策略（代码+数据）
【代码发布】Quantlab4.3：lightGBM应用于全球大类资产的多因子智能策略（代码+数据） “””模型保存”””from config import DATA_DIRmo…
-
长期年化18.82%： lightGBM全球资产多因子配置策略【研报复现】
【代码发布】Quantlab4.3：lightGBM应用于全球大类资产的多因子智能策略（代码+数据） “””模型保存”””from config import DATA_DIRmo…
-
年化收益19.3%， 最大回撤率：-18.32%。
按quantlab5.x的规划，我们同样纳入backtrader，但不做太多的封装。 使用notebook来呈现它的策略开发过程。 首先同样是数据预处理和加载： backtrade…
-
10年13倍(年化28.2%,夏普1.2)大类资产趋势轮动（python代码+数据）
今天来看一个有意思的策略——10年13倍(年化28.2%,夏普1.2)大类资产趋势轮动。 净值从1开始算，结果是13.79，翻了13倍。 折合到长期年化，按复利算，达到28.2%。…
-
按不同的思路，构建不同的策略，形成相关度低的策略集。
多因子模型的实战，考虑到可转债数据最容易获得。 咱们从可转债市场开始——其实逻辑都是一样的。 一是从投资理念看，可转债与ETF相似之处在于，可转债也属于“中低”风险投资领域； 二是…
-
可转债多因子策略之基准
涉及的数据，已经发布到星球——所有的可转债历史日线，带双低因子。 这里数据处理需要一些技巧的，比如转债停牌后，很多数据平台的转股溢价率还有持续更新，导致价格为零，会回测出错。 另外…
-
涉及的数据，已经发布到星球——所有的可转债历史日线，带双低因子。
涉及的数据，已经发布到星球——所有的可转债历史日线，带双低因子。 这里数据处理需要一些技巧的，比如转债停牌后，很多数据平台的转股溢价率还有持续更新，导致价格为零，会回测出错。 另外…
-
可转债所有历史日线数据打包下载，含“双低”因子值
今天咱们要做可转债的因子分析。 【每周研报复现】AI量化特征工程之alphalens：一套用于分析 alpha 因子的通用工具 alphalens年久失修，好在有人修复了一个版本叫…
-
基于Alphalens做可转债全市场数据的单因子分析（附python代码+全量数据）
今天咱们要做可转债的因子分析。 【每周研报复现】AI量化特征工程之alphalens：一套用于分析 alpha 因子的通用工具 alphalens年久失修，好在有人修复了一个版本叫…
