金融市场上最重要的任务之一就是分析各种投资的历史收益。要执行此分析,我们需要资产的历史数据。数据提供者很多,有些是免费的,大多数是付费的。在本文中,我们将使用Yahoo金融网站上的数据。
要执行此分析,我们需要资产的历史数据。数据提供者很多,有些是免费的,大多数是付费的。在本文中,我们将使用Yahoo金融网站上的数据。
用于分析投资组合风险的最受欢迎的模型是因子模型,因为股票具有共同移动的趋势。证券的主要组成部分经常会解释很大一部分差异。由于我们主要关注构成投资组合的多种资产,因此需要对此进行说明。有些问题可能是为什么低市净率的股票要比具有较高市净率的股票好吗?在此,比率的“价格”部分仅是股价(每股),比率的“帐面”部分是“股东权益” /“流通股”,这是公司资产负债表上的项目。
摘要: 本篇文章是”Python股市数据分析”两部曲中的第二部分。在本篇文章中,我们讨论了均线交叉策略的设计、回溯检验、基准测试以及实践中可能出现的若干问题,并结合Python代码实现了一个基于均线交叉的交易策略系统。 注意:本篇文章所涉及的看法、意见等一般性信息仅为作者个人观点。本文的任何内容都不应被视为金融投资方面的建议。此外,在此给出的所有代码均无法提供任何保证。选择使用这些代码的个人需自行承担风险。 交易策略 我们把在未来条件满足时将被终止的交易称为未平仓交易。多头仓位是指在交易过程中通过金融商品增
许多 R 的新用户在金融、市场、商业分析等领域有丰富的行业经验,但是他们并没有太多的编程背景,所以日常工作中还是选择 Excel、PowerBI 这些传统的工具进行工作;tidyquant 的作者意识到了这些痛点,于是他在新版本中加入了好多 Excel 的特性,如果你是 Excel 的重度患者,又想体验 R 强大的数据处理和可视化功能,那么本文再合适不过了!
作为投资者,我们常听到的一句话是“不要把鸡蛋放入同一个篮子中”,可见分散投资可以降低风险,但如何选择不同的篮子、每个篮子放多少鸡蛋,便是见仁见智的事情了,量化投资就是解决这些问题的一种工具。
大家在不管是在理财或者是在干其他事情的过程中,应该都经常听到的一句话就是高收益意味着高风险,低风险意味着低收益。但有的时候高风险不一定是高收益的,低收益也不一定是低风险的(这就是坑)。在理想情况下收益与风险可能会有如下四种情况,红色部分(高风险低收益)是我们所要避免的,绿色部分(低风险高收益)是我们所追求的,灰色部分是正常事物所遵循的规律。
昨日,上海证券交易所(以下简称“上交所”)发布了《关于证券公司开通客户科创板股票交易权限的答记者问》(以下简称“答记者问”),进一步解释了有关科创板的规定。
风险价值 (VaR) 是一种统计数据,用于量化公司、投资组合在特定时间范围内可能发生的财务损失程度
风险价值(VaR)用于尝试量化指定时间范围内公司或投资组合中的财务风险水平。VaR提供了一段时间内投资组合的最大损失的估计,您可以在各种置信度水平上进行计算。
关于投资的几个类别,一般我们将天使、VC、PE三个部分统称为私募(Private Equity),指的是没有在证券交易所公开上市交易的资产。
风险价值 (VaR) 是一种统计数据,用于量化公司、投资组合在特定时间范围内可能发生的财务损失程度 ( 点击文末“阅读原文”获取完整代码数据******** )。
在该项目中,研究者把股票市场的历史价格走势看作一个复杂的不完全信息环境,而智能体需要在这个环境中最大化回报和最小化风险。相比于其他传统机器学习算法,深度强化学习的优势在于对股票交易任务进行马尔可夫决策过程建模,没有将识别市场状况和交易策略执行分开,更符合股票交易的特点。尽管基于深度强化学习的量化策略研究仍处于早期探索阶段,部分算法已经能够在特定的交易任务中展现出良好的收益。
本文调查了自2008年全球金融危机以来,传统衡量的价值股为何表现不佳,并提出了一种可能更有效的识别价值股方法。
如何使用Python通过蒙特卡洛模拟自动计算风险值(VaR)来管理投资组合或股票的金融风险。
大年初三,财神李笑来老师通过发糖果的形式给曾经支持过他的人拜年。具体包括参加了新生大学、风利、PRESS.ONE、全栈营等9个项目的人。
在金融市场中,优化投资组合对于实现风险与回报之间的预期平衡至关重要。蒙特卡罗模拟提供了一个强大的工具来评估不同的资产配置策略及其在不确定市场条件下的潜在结果。
📷 量化投资与机器学习微信公众号,是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者,荣
价值投资一直是投资策略的重要基石之一。现代投资之父,Benjamin Graham,也是价值投资的重要倡导者。在量化投资领域,Fama-French三因子模型中的HML因子,也是学术界及业界用来度量价值股票表现的公认基准。他们的研究表明,价值股票表明要持续优于成长股这种我们称为“价值异象”的现象持续了很长时间。在他们的研究中,用book-to-market(B/M)比率作为衡量公司价值的指标,B/M高的公司被认为是有价值的公司。
春风化雨,万物复苏。新时代的春天里,十九大提出加快发展以人工智能为代表的新经济。在人工智能与其他行业的碰撞中,人工智能与量化投资的结合无疑是一颗最为璀璨的明珠。安信证券金融工程部与CFA中国上海携手,量化投资与机器学习公众号有幸受邀。同时还有来自公募、私募的资深专业人士,分享在投资领域应用机器学习的心得和见解。 下面我们就把上周会议嘉宾演讲最重点的部分,分享给大家,好好看哦! 1、机器学习与CTA 演讲嘉宾:付超 现任某资产公司创始人,曾任明汯投资宏观对冲部负责人,富善投资CTA策略组合副主管。他在C
基金本质上就是集合大多数散户的钱,形成大规模的资金,产生规模效应,从而让散户也能花小钱办大事,参与那些对资金要求高的投资项目。同时,由于是大规模的交易,也能节省一定的投资手续费,我们知道,批发肯定要比零售要便宜,对吧?
【字数:1883;阅读时长:8min】 世界上最安全的投资方法就是——低买高卖,对,就是这样一个众人皆知的方法! 低买高卖是一个不争的事实,可是如何去低买高卖? 这里的低与高是相对值,而不是绝对值,即——相当于当前公司的价值,内在价值!(这个价值需要多维度的思考结合并去计算) 这里的买与卖不是全部的卖出或者买入!单次卖出或者单次买入,和赌徒有何区别? 有数学功底的朋友可以去计算一下,每次需要用多少比例去购买多少,又或卖出多少,是可以计算出来的,而计算出来的我们也可以称之为“不同于平均概率”的值 合格的投
近些年来,随着金融领域数字化转型工作的推进,对金融系统的算力的要求也越来越高,经典计算机处理器已经接近制程极限。因此可以预见,算力将可能成为阻碍金融数字化转型的关键因素。量子计算是一种遵循量子力学规律调控量子信息单元进行计算的新型计算模式,有着极强的并行能力和随着量子比特数量的增加呈指数型增长的强大算力,具有远超经典计算机的算力优势,可高效快速分析海量数据,能够极大提升金融服务的数字化水平和响应速度。因此可以预见未来量子计算将改变金融行业的整体生态和竞争格局,加速推进数字经济的发展,对于国家金融安全和金融机构发展都具有一定战略意义。
从历史上来看,至少通过标普500指数衡量的“股市”一直有着史诗般的表现——特别是与其它几乎所有大类资产对比时更能印证这一点。无论你是按地理位置(例如美国,发达国家,新兴市场),风格(例如价值,动量)或类型(例如股票,债券,商品)来看其他大类资产,一件事是非常明显的:标普500指数是当之无愧的王。
本杰明•格雷厄姆于75年前创立了价值投资的理念,其徒弟——金融圈里的第一网红沃伦•巴菲特大力发扬实践了这一理念,并获得了耀眼的成绩。到今天,价值投资依旧是最流行、最持久的投资方式之一。
量化投基使用自动化程序进行量化选基。其中包含了多个策略。本集合投资目标是通过选择优质基金,来获取更高的 Alpha。同时,根据量化指标进行部分仓位的择时操作。整体仓位会控制在 5 成到满仓之间。
量化投资与机器学习微信公众号,是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者,荣获2021年度AMMA优秀品牌力、优秀洞察力大奖,连续2年被腾讯云+社区评选为“年度最佳作者”。 来自:Finance Research Letters 48 (2022) 作者:Matthias X. Hanauera, Marina Kononovab, Marc Steffen Rappb 标题:Boosting
因子投资大约在10年前开始兴起,它植根于过去几十年积累的大量实证研究。资产定价文献表明,规模、价值和动量等因子可以解释股票的截面收益,而共同基金文献发现,除了因子暴露的倾斜之外,几乎没有任何其他主动管理能力的证据。综上所述,这些观点主张以系统、有效的方式获取因子溢价。在挪威政府养老基金委托进行的一项有影响力的研究中,Ang、Goetzmann和Shaefer(2009)甚至建议在战略资产配置中包括因子溢价,仅次于传统资产类别的风险溢价。尽管资产所有者通常不愿走那么远,但因子投资已经成为一种成熟的投资方法。虽然量化投资已经存在了很长时间,但因子投资倾向于更明确地选择因子及其期望的权重。
从前,在一片广阔的大草原上,有很多只母鸡,他们,吃着火锅唱着歌,吃着青草下着蛋。但是,母鸡们又不愿意像这样日复一日的吃草,下蛋。于是,一场革命性的变革即将到来…… Chapter1:股票的产生 有一天,一只有远见的花母鸡突然想到,如果我能吃到更多,更好的虫子,岂不是可以进化成母鸡中的战斗机,下更多、更好的蛋? 可是,问题来了,这只花母鸡手里没有钱,就只能卖身。花母鸡找到了一只聪明的猴子,说,你给我钱,我之后每下两个蛋,都能分你一个。 猴子当然聪明得很,他心想:花母鸡每年能生100个蛋,一个蛋能卖1块钱,于
量化投资与机器学习微信公众号,是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者,连续2年被腾讯云+社区评选为“年度最佳作者”。 Journal of Portfolio Management在2022年的开年给大家送出了因子投资特刊。本期特刊也是因子投资的第七本特刊,总共包括了14篇关于因子投资文章,其中有8篇来自业界,5篇由业界和学术界共著,还有1篇来自学术界。 The Future of Fac
这个问题应该说答案是肯定的——可以。关于使用计算机自动化做智能投资的研究一直没停过。这些年大家一直说的量化交易其实就是这样一个范畴的内容。那么AI做智能投资是怎么做呢?
市值效应,或者说小盘股溢价效应,最早由Banz(1981)提出,他发现美国市场中,小盘股票相比于大盘股票有更为突出的表现,因此市值效应往往也被称为小市值效应。之后,随着Fama-French三因子模型的推广,这一观点得到了广泛的认同。
李晖,北京人人智慧科技有限公司创始人,CEO兼董事长。2011年加入人人集团,先后担任技术经理、研发总监、高级总监等职务,全面负责人人网商业产品的产品、技术、运营等工作,同时带领量化投资团队,运用机器学习技术管理集团自营资金,于2015年启动人人金服业务。曾就职于华北计算技术研究所,担任软件工程师。 人称奶罩,腾讯云中小企业中心总经理,DNSPod创始人,洋葱令牌创始人,网络安全专家,域名及DNS技术专家,知名个人站长,中欧国际工商学院EMBA。 1 吴洪声:2015年,人人金服成立,当
人们很容易被丰富的数据和各种免费开源工具所吸引。在研究了quandl financial library和prophet modeling library之后,我打算试着探究简单的股票数据。我花了几天
这是基础方法论专题的第 001 篇文章,也是因子动物园的第 027 篇独立原创文章。
2001年,斯坦福大学胡佛研究所的John H. Cochrane把投资中不断增长的因子称为因子动物园。但从字面上理解这一说法并把动物分配给因子相当有挑战性,价值代表着廉价的股票,但是什么动物是便宜的?
良好的投资组合不仅仅是一长串的优质股票和债券。这是一个平衡的整体,为投资者提供各种突发事件方面的保护和机会。——哈里·马克维茨
我确信Alpha存在的空间非常小,而且很难长期驻留不变,导致金融市场数据的性质几乎就是被设计成用随机性来欺骗我们。
在控制了市场溢价、规模因素、盈利能力等因素后,无论lead股票和follower股票之间的业务关系如何,他们之间的收益都具有较强的共振效应。新闻共现图的月度degree是一个很好的预测股票横截面收益的指标。一个月的再平衡投资组合测试表明,degree提供了显著的正Alpha(相对Fama-French三因子和五因子模型)。
如果你最多只允许完成一笔交易(即买入和卖出一支股票), 设计一个算法来计算你所能获取的最大利润。
根据显著性理论(Salience Theory),投资者会被具有显著收益的股票所吸引,导致它们被错误定价。Cosemans和Frehen(2021)最近的一项研究提出了一种显著性理论(ST)测量方法,可以捕捉过去收益分布的显著性。ST的核心含义是,具有显著上升空间的股票被高估,随后的回报较低;相反,有明显缺点的股票被低估,未来回报高。传统的动量策略包括买入过去的赢家和卖出过去的输家,这在美国和国际股市中被广泛验证。然而,动量投资组合中极其突出的股票更有可能出现后续的反转,从而降低了动量策略的盈利能力。
第5章 如何买卖指数基金:懒人定投法 在上一章,我们解决了“买什么”和“卖什么”,这一章我们来解决“如何买”和“如何卖” 这需要根据每个人的不同经济情况来区分对待 例如年轻上班族,手里没有多少积蓄,那么定投就是最好的策略了,它可以帮助上班族强制拿出一部分收入,投入到收益更高的股票品种中 再比如,手里已经有一定积蓄、想拿这笔钱养老的投资者,可以采取动态再平衡的方法,将50%的资产分配于股票,50%的资产分配于短期债券,平时就可以从短期债券中取用生活所需 定投是本书所重点推荐的策略之一,它适合绝大多数的投资者
在AlphaGo战胜人类围棋顶尖高手之际,本文简单探讨了投资AlphaGo系统模块与训练数据以及可行性。并将其实现逻辑与郝伯特·西蒙过程理性算法比较。文章最后讨论了如何应用投资AlphaGo系统为人类
股票市场预测由于其非线性、高度波动性和复杂性,一直是个复杂的问题。近年来,深度学习在许多领域占据了主导地位,在股市预测方面取得了巨大的成功和普及。本文以深度学习技术为重点,对其应用于股市预测研究进行结构化和全面的概述,介绍了股市预测的四个子任务及股市预测主流模型,并分享了一些关于股市预测的新观点及未来的几个方向。
投资是指投入当前资金或其他资源以期望在未来获得收益的行为,它的表现为:投资者牺牲现在有价值的东西以期望未来收益。
领取专属 10元无门槛券
手把手带您无忧上云