注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. BARRA 组合优化

  2. BARRA 组合优化 用于多因子选股的组合构建和优化 非常值得参考

  3. 所属分类：讲义

    • 发布日期：2018-04-25
    • 文件大小：207872
    • 提供者：qq_18310807

  1. Quantitative Equity Portfolio Management

  2. QEPM.偏学术界的作者撰写的关于量化股票组合投资的系统教程。尤其是前几章概述部分写得非常精彩、易懂、准确。把该领域的各个方面高屋建瓴地串讲了一遍。后面部分的章节似乎略有些学术了，但也值得一读。由于其较高的可读性，适于初学者学习。

  3. 所属分类：金融

    • 发布日期：2018-05-29
    • 文件大小：69206016
    • 提供者：qq_24562605

  1. 华泰证券-人工智能选股之循环神经网络模型

  2. 神经网络是近年来迅猛发展的人工智能的核心技术，本篇报告选取具有时 间序列预测能力的循环神经网络作为研究对象，对传统RNN、LSTM、GRU 三种循环神经网络模型进行系统性的测试。在月频的多因子选股方面，循 环神经网络具有出色的样本外预测平均正确率，但是样本外平均AUC 值表 现一般。神经网络在年化超额收益率、信息比率上优于线性回归算法，但 是最大回撤普遍大于线性回归算法。在目前测试的所有神经网络模型中， LSTM 表现最好，GRU 的表现和LSTM 相近

  3. 所属分类：金融

    • 发布日期：2018-07-05
    • 文件大小：1048576
    • 提供者：lxy122425

  1. 基于XGboost算法的多因子量化选股方案策划

  2. 基于XGboost算法的多因子量化选股方案策划基于XGboost算法的多因子量化选股方案策划

  3. 所属分类：机器学习

    • 发布日期：2018-09-06
    • 文件大小：7340032
    • 提供者：the_one_is_all

  1. 东方证券-《因子选股系列研究之二十八》：用机器学习解释市值，特异市值因子

  2. 在某个时点上的股票的横截面市值基本上都可以被公司的财务指标和市场 因素所解释，也就是说市值解释模型依据了市场上股票的情况，给出了每个 公司当期投资者认为的内生市场价值，而解释模型的残差部分，也就是当前 市值和内生市值的差，代表了不可解释的部分。残差值越大，代表公司当前 的市值向上偏离内生市值越多，那么公司的市值越倾向于回复到其内生市 值，也就是说公司股价下跌的可能性越大，反之亦然，特异市值（残差值） 是一个相对估值指标，因子值较小的股票在未来表现更好。

  3. 所属分类：深度学习

    • 发布日期：2018-09-01
    • 文件大小：1048576
    • 提供者：xiaoy597

  1. 华泰证券-人工智能系列之六：人工智能选股之Boosting模型

  2. 报告对各种Boosting 集成学习模型进行系统测试 Boosting 集成学习模型将多个弱学习器串行结合，能够很好地兼顾模型的 偏差和方差，该类模型在最近几年获得了长足的发展，主要包括AdaBoost、 GBDT、XGBoost。本篇报告我们将对这三种Boosting 集成学习模型进行 系统性的测试，并分析它们应用于多因子选股的异同，希望对本领域的投 资者产生有实用意义的参考价值。

  3. 所属分类：深度学习

    • 发布日期：2018-09-01
    • 文件大小：2097152
    • 提供者：xiaoy597

  1. 人工智能选股之损失函数的改进

  2. 本文 创新性地提出了两种对数损失函数改进方案，取得了更好的回测效果 损失函数在机器学习模型的训练过程中决定了模型的优化方向，具有重要 的地位。对数损失函数是机器学习中最常用的二分类模型损失函数，它的 形式可以被分解为两项，分别代表二分类的假阳性误差和假阴性误差，普 通对数损失函数中，两类误差的权重是相等的。本文针对对数损失函数的 形式，结合机器学习在多因子选股中的应用，提出了两种改进方案，分别 解决不同目标下的机器学习选股问题。两种改进方案相比普通对数损失函 数都取得了更好的回测结果。

  3. 所属分类：机器学习

    • 发布日期：2019-03-26
    • 文件大小：1048576
    • 提供者：joleoy

  1. 基于短周期价量特征的多因子选股体系

  2. 101 Formulaic Alphas - Zura Kakushadze 基于短周期价量特征的多因子选股体系--数量化专题之九十三--国泰君安

  3. 所属分类：算法与数据结构

    • 发布日期：2019-04-26
    • 文件大小：16384
    • 提供者：qq_38435604

  1. 多因子选股模型水平测试题.pdf

  2. 多因子模型是量化股票组合投资领域的基本工具，介绍性的资料很多。但学习这些资料之后，甚至一些老手也很难判断自己掌握到什么程度，或是在哪些方面有所缺失。因此，我们几位从业者合力整理了这份多因子模型水平测试题。以问题的方式激发思考，希望能够给从业者提供一个深度学习多因子模型的参考方向。列表中的很多问题我们也不知道最好的答案是什么，提示仅供参考。

  3. 所属分类：金融

    • 发布日期：2019-06-12
    • 文件大小：321536
    • 提供者：myquant

  1. 冗余因子的剔除.py

  2. 多因子选股模型的建立过程之有效但冗余因子的剔除。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。

  3. 所属分类：金融

    • 发布日期：2019-06-12
    • 文件大小：4096
    • 提供者：myquant

  1. 多因子选股之有效因子策略源码.py

  2. 多因子选股模型的建立过程主要分为候选因子的选取、选股因子有效性的检验、有效但冗余因子的剔除、综合评分模型的建立和模型的评价及持续改进等5个步骤。

  3. 所属分类：金融

    • 发布日期：2019-06-12
    • 文件大小：4096
    • 提供者：myquant

  1. 国泰君安_金融工程专题报告_基于组合权重优化的多因子选股策略.pdf

  2. 国泰君安_金融工程专题报告_基于组合权重优化的多因子选股策略，构建市值中性、行业中性、风格中性的最优投资组合。

  3. 所属分类：金融

    • 发布日期：2020-04-28
    • 文件大小：1048576
    • 提供者：iceeeeeey

  1. 多因子选股之有效因子策略源码.zip

  2. 多因子选股模型的建立过程主要分为候选因子的选取、选股因子有效性的检验、有效但冗余因子的剔除、综合评分模型的建立和模型的评价及持续改进等5个步骤。

  3. 所属分类：金融

    • 发布日期：2020-02-24
    • 文件大小：2048
    • 提供者：qq_40957277

  1. 基于机器学习的优化股票多因子模型

  2. 基于机器学习的优化股票多因子模型，唐思佳，熊昕，本文旨在构建机器学习优化股票多因子模型，用以处理A股市场风格切换和选股问题来最终获得超额收益。分别从因子表达，机器学习算�

  3. 所属分类：其它

    • 发布日期：2020-01-31
    • 文件大小：459776
    • 提供者：weixin_38656400

  1. 多因子选股模型之因子分析与筛选

  2. 多因子选股模型之因子分析与筛选Ⅰ：估值与财务成长类指标

  3. 所属分类：电子商务

    • 发布日期：2012-11-27
    • 文件大小：1048576
    • 提供者：ssslock1

  1. 支持向量机在多因子选股的预测优化

  2. 使用财务数据构建一个多因子选股模型，在支持向量机分类上进行预测优化。选股上使用排序法对数据进行预处理，再使用支持向量机对股票收益进行分类预测，最后使用数据到分离超平面的距离进行排序，优化支持向量机的分类预测。实证中，从中证500成分股中选出股票组合，在2016年四季度到2018年一季度获得累计收益88.96%。择时策略的均线策略和通道突破策略均能有效降低波动率和回撤。还使用高频数据来降低均线策略的滞后性，波动率又得到进一步降低。本模型利用支持向量机性质提高预测精度，结合技术分析优化了策略的收益，

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：680960
    • 提供者：weixin_38740827

  1. 基于自注意力神经网络的多因子量化选股问题研究

  2. 在众多量化投资策略中,多因子选股策略因其稳定的收益而备受投资者青睐。本文借助Tushare Pro金融大数据平台和聚宽量化交易平台,选取2009年10月至2019年3月沪深300各成分股日度数据作为研究对象,全面选取行情类、财务类、技术类和投资者情绪类四个类别共117个因子构建初始因子池,利用集成思想综合计算Pearson相关系数、距离相关系数、基于AIC准则的Elastic Net、基于BIC准则的Elastic Net、随机森林和GBDT共六个模型对于各个因子的重要性进行评分,筛选出68个因

  3. 所属分类：金融

    • 发布日期：2020-12-01
    • 文件大小：2097152
    • 提供者：kamo54

  1. 国泰君安证券_2017-06-15_数量化专题之九十三：基于短周期价量特征的多因子选股体系.pdf

  2. 国泰君安证券_数量化专题之九十三：基于短周期价量特征的多因子选股体系

  3. 所属分类：金融

    • 发布日期：2021-03-17
    • 文件大小：1048576
    • 提供者：syzykf02

  1. 多因子选股之去除冗余因子.pdf

  2. python量化交易经典策略

  3. 所属分类：Python

    • 发布日期：2021-03-02
    • 文件大小：402432
    • 提供者：qq_42656043

  1. 多因子选股之策略的实现.pdf

  2. 经典量化交易策略

  3. 所属分类：Python

    • 发布日期：2021-03-02
    • 文件大小：577536
    • 提供者：qq_42656043
« 12 »