也就是说，N日趋势突破买入即为N日创新高买入，股价创出阶段性新高或历史新高后，一方面说明该股有资金在运作，相对比较强势，更容易顺势而上，另一方面创新高后近期买入的投资者都有获利，上档的套牢盘比较少，股价上冲的阻力也较小
作者在自学机器学习的过程中，尝试开发了一个基于机器学习的A股选股工具。本文是在赤兔的“数据挖掘”小组分享的此次开发过程和心得体会的整理。...A股选股器开发过程 数据来源 就财经类的数据而言，现在各大门户网站都有专门的频道，信息很多，如果对实时要求高，通过爬虫取其中有用的部分应该是一个办法。...但是在我的实验中，基于人的经验来设计过滤器，准确率并不高，50%多一点，也就是比随机的选股稍微好一点。 机器学习建模 接下来考虑选取合适的机器学习算法。...应该不难理解，对于选股工具我们应该更关心准确率。 改进模型 为了提高准确率，在开发过程中，我做了下面这些改进尝试： 一个是扩大样本。...股灾日经常是“千股跌停”，上涨的股票太少了…可以看出在这些“股灾日”的时候，模型也不太准确，出现了失真。 总结与心得 选股工具利用机器学习算法，一般情况下比传统的算法（或者人为经验）的准确率高。
人生苦短，我用Python！...大家应该都知道，Python的一个应用方向就是——量化交易，恰好最近收到了清华出版社赠送的 《深入浅出Python量化交易实战》 一书，因为平时对数据科学和机器学习都比较感兴趣，简单试读了一下，今天文末也会送出几本...这里，我将通过文字+视频的方式，先给大家分享如何用Python获取A股数据，以及如何用Python进行炒股的仓位控制。...进行量化交易，肯定少不了 Tushare 但若要使用完整功能，需要一定的积分，这就看自己的需求吧。...JoinQuant 最后一种方法来获取数据就是用现成的量化平台。这里我用joinquant实验了一下 可以看到，通过平台获取数据，还是比较简单的。
,enddate,codes=indexs,method='spring_all') #计算各指数春节日的收益率 最近 3 年 2020-2022 年的春节月期间，各指数收益都不理想，负收益居多；小盘股收益整体上优于大盘股收益
一、多因子选股背景 量化交易策略无非三点：择时、选股、仓控。择时为短期套利交易策略，选股为中长期交易策略，目标是在中长期跑赢指数、获取市场超额收益率alpha。...二、模型特征——股票多因子 我们选股基于的股票池为中证500的成份股票。...当时运用的历史数据尾部正巧赶上15年股灾，股灾期间多因子选股模型选出的最优组合股票遇到重大风险的回撤表现也优于大盘指数。...其实，写这篇文章的初衷关键是让大家了解目前市面上常见的一些量化指数、理财产品以及选股软件背后的模型策略是怎样建立的。...也不是为了证明神经网络在选股上有多大的威力，倘若真是这样的话，市面上的所有量化基金表现也不会如此不尽如人意，有些甚至连大盘都无法跑过。
来源 ：月球密探阿波罗 作者：密探阿波罗 ---- 上回刚讲了《SaaS股的投资逻辑》，随后的一周港美股市场便分别祭出了700亿美金的Snowflake和550亿港币的明源云。...好行业只是其一，“好公司、好价格”依然是永恒的主题，所以今天要谈的核心就是： SaaS板块如何选股、如何估值。 SaaS选股第一步：细分拆解 实际上，即便在国内，SaaS也不是新概念。...SaaS选股第二步：寻找最好的SaaS公司 说完SaaS细分以及他们的差别后，我们再来看看共性的部分。...回溯美股SaaS20年发展历程，一家能给股东带来丰厚回报的SaaS公司，一定有好的商业模式，并在长周期里成长性和盈利能力都很不错的企业。 什么样的SaaS公司能够做到？...还是看美股SaaS得到的经验，美股SaaS股价长期稳定向上，回撤较小，企业股价大幅波动主要发生于：成长性大幅波动、利润率显著波动、长期市场格局面临挑战等有限情形。
今年的元旦，在家把之前手工的选基方法完全程序化了。这是我的“印钞机” V1.0。 为什么叫印钞机，详细情况可见下文及最后的总结。 量化选基成果 我的主要基金投资方法其实就是量化选基。...所以在头几年的选基过程中，我只实现了模型部分的自动化，其它部分还是基于手工不断调整参数，来不断优化模型本身。经历了几个年头，目前模型已经比较稳定，也算小有成就。...下图是 2017 年真实的选基结果，以及后续两个季度的排名百分比数据。 ? 可以看到，通过量化选基方法选择出来的基金，在后续两个季度中排名都比较靠前。这样，我们只需要定期调仓到这些基金上。...自动化选基 鉴于模型在手工运行的环境下已经能够比较稳定地获得较好的成绩。所以元旦几天，我把整个方案给自动化了。并完成了历史各时期的自动化测试。同时，在测试的过程中，继续优化并调整了很多参数。 ?...小结 截止到这里，首先，可以肯定该选基方法，长年运行下来，可以获得 20% 的收益。 其次，由于我在设计整个策略及其中的各参数时，主要是基于人的因素是设计的。
有了之前抓取的数据，我们便可以利用这些数据进行股票分析。（转载请指明出于breaksoftware的csdn博客）
先说优点，量化或者数据分析来说，正如前面说的，matlab对矩阵的支持非常强大，二维以及更高维的矩阵，虽然python，r里面也有矩阵这样的数据类型，但感觉没有matlab的好用，比如python里的矩阵...python应该是目前在量化/数据领域最广泛应用的软件了，之前实习也基本是用python，不论是数值还是文本数据，都能很好处理，而且也有各种算法模块可以直接调用，省去了自己编写的麻烦，语言也很简洁。...但python也有他不适合的地方，python在量化上比较适合用在数据处理和回测上，但如果要做一些其他的就会存在一些问题，后面说sas的时候会举一个例子。 R ?...R经常会被用来跟python做对比，我自己用下来的感觉是，量化/数据上能用python做到的，r都有类似的模块可以做到，非常同质。之前刷kaggle也是用R刷的，各种机器学习算法也都有，没什么影响。...而用sas甚至可以直接把全量数据提出来用，这样的特性在一些时候会非常有优势，比如在指数编制时候，python，r就有些废了，成分股跟全量股票匹配再跟分红配股股权分置等等这些做匹配的话，用python没法一步到位
这里我们只分析一件事情，就是如何打板才能最大概率赚到钱，就是我们可以分析过去一天涨停今天还涨停、分析过去两天涨停今天涨的概率，一直到过去10天涨停今天涨的概率，...
作者寄语 技术指标分析，是依据一定的数理统计方法，运用一些复杂的计算公式，来判断汇率走势的量化的分析方法。主要有动量指标、相对强弱指数、随机指数等等。...stock_rank_cxd_ths" # 创新低 创新低 接口：stock_rank_cxd_ths 目标地址：http://data.10jqka.com.cn/rank/cxd/ 描述：同花顺-数据中心-技术选股
p=31651 原文出处：拓端数据部落公众号 分析师：Xingming Xu 基于当前统计的股票数据选择最优的选股方案和投资组合方案，以及预测股票价格未来一段时间的走向趋势以及波动程度，具有很大的实用价值...我们需要完成以下问题 问题一：投资者购买目标指数中的资产，如果购买全部，从理论上讲能够完美跟踪指数，但是当指数成分股较多时，购买所有资产的成本过于高昂，同时也需要很高的管理成本，在实际中一般不可行。...(2)投资者购买成分股时，过多过少都不太合理。对于附件的成分股数据， 请您通过建立模型，给出合理选股方案和投资组合方案。 问题二：尝试给出合理的评价指标来评估问题一中的模型，并给出您的分析结果。...针对问题一：分析投资者在给定十支股票中的最优选股方案和投资组合。...编写Python代码建立模型，并对模型进行训练，通过参数诊断后可以对未来数据进行预测，并且根据预测数据对不同类型的投资人群给予相应的投资建议。
道富：机器学习选股，能信吗？...我们分享了道富如何以可投资及可解释为目标构建机器学习选股模型，在文章中我们提到了一个从Linear、Nonlinear及Interactions三个角度解释模型效果的核心概念：Model Fingerprints...我们分别从以上两个应用来解释MF框架： Part1：MF框架 量化每个因子在模型预测结果中的边际贡献 在把每个因子的效果拆解为Linear、Nonlinear及Interactions三部分之前，我们首先要掌握一个重要的概念
风险中性的机器学习选股模型 模型训练：通过训练样本，确定模型结构，优化模型参数。 预测输出 Y 的维度：3。...机器学习多因子选股模型:从股票特征中提取信息，对股票未来的收益进行预 测，选出能够产生超额收益的股票组合。 多因子选股模型： 挑选出未来一期能够产，生超额收益的股票。...风险中性深度学习选股策略 年化收益率21.95%，最大回撤 -5.03%，胜率为 74.6%，信息比2.92 普通深度学习选股策略 年化收益率19.71%，最大回撤 -5.35%，胜率为 69.5%，信息比...机器学习策略每期组合的同质性：选取的组合有较大的差异 当组合规模N为50时，两种深度学习选股策略平均每期选到的股票有41.9%重合。（参考：两次独立的随机选股中，平均有10%重合。）...当组合规模N为100时，两种深度学习选股策略平均每期选到的股票有53.3%重合。（参考：两次独立的随机选股中，平均有20%重合。）
金磊 发自 凹非寺 量子位 | 公众号 QbitAI 如果把选股这事交给GPT-4来处理，会是怎样一种结果？...这个在GPT-4基础上打造的选股票AI，名叫MarketSenseAI。...更是有许多消息拿着数据称“AI永远无法打败股票市场”，认为AI不仅无法预测黑天鹅事件，甚至可能会引发黑天鹤事件： 那么此次基于GPT-4的选股研究是否靠谱，我们继续往下看。...通过这种方式，能够在更广泛的经济环境中对单一股票进行评估。 最后，信号生成这个步骤将上述所有分析整合，生成针对特定股票的投资信号（例如买入、持有或卖出），并提供详细的逻辑和理由。
A6%E4%B9%A0%E9%80%89%E8%82%A1-SH50%E6%8C%87%E6%95%B0%E5%A2%9E%E5%BC%BA） ---- 这里简单的构建了一个使用深度强化学习算法实现多因子选股的框架...例如： 在周一沪市开盘前，Account接受到一个长度为50的向量对应SH50指数成份股的调仓指令，交易员Agent在开盘时分，挂卖单卖出部分股票之后挂买单买入新股票。...理论上使用定量指令可以实现选股和持仓优化的多重目标（如小方差或低换手率等特定目标）。...Agent 使用LSTM网络进行策略和估值的拟合，每个交易日Agent获取该交易日之前的多因子数据[Time, Batch, N]使用LSTM估计指数成份股预期价值方向做出调仓指令。...也就是Agent的功能包括选股、仓位控制和资金管理。 例如做HS300指数增强的时候，向指令向量对应位添加现金、债券、货币基金等选项，直接指定各位置选项的百分比。
今天，邢老师给大家分享一个策略，一个在过去10年可以让你的本金翻400倍的选股策略。 选股条件 这个策略非常简单，简单到只用了一个选股条件。但是这个选股条件在众多其他条件中，却是最强的一个。...至少我个人寻寻觅觅这么多年，回过头来发现，还是没有一个单独的选股条件比它更强。 这个选股条件就是：市值。 市值的意思就是，在市场上买下这个股票所有的股份，总共需要花多少钱。...当然，现在小市值选股已经越来越成为行业公开的“秘密”，很多看上去高大上实际上呵呵哒的量化基金，它们背后的逻辑本质上就是小市值选股，可能就和我们刚刚分享的策略一样简单。...邢老师经过多轮直播，精心打磨的《python量化投资入门》视频课程，也在最近上线了！...python从入门到熟练，手把手教你从安装到常用工具库的使用。 量化投资从基础到策略编写，手把手教你从获取数据到自动下单。 课程注重实际，学完后能自己写出量化策略并自动交易。
通过结合基于因子的选股的进攻策略和多指标趋势跟踪的防御策略，投资者可以做到这一点。这种组合策略的目标是通过优质的股票选择产生长期优于市场的回报，同时通过使用强劲的趋势跟踪策略显著降低下行风险。...单因子选股策略 基于因子的选股模型是一种系统性的投资策略，根据某些关键特征或因子选择个股，这些特征或因子已被证明能够产生卓越的长期投资业绩。...如图1所示，基于过去22年的年化回报率，每个因子组合在都大大超过了标普500和标普综合1500股指。在风险调整的基础上，每个因子组合的表现也优于两个股票市场指数。...趋势跟踪与因子选股的结合 从图2中可以看出，在过去的22年里，将这种多指标趋势跟踪策略应用于各因子组合，显著提高了各因子策略的绝对收益和经风险调整后的收益。...然而，将基于因子的选股与以防御为重点的多指标趋势跟踪策略相结合，作为投资组合叠加，投资者可以显著降低这种选股方式的风险，并获得更好的长期绝对收益和风险调整后的收益。
LSTM 选股模型 当需预测信息和相关信息距离较远时，原始 RNN 结构的传输的效率并不让人满意。...在此我们略去 ACT模型的严格的数学定义，通过对A股市场多因子模型的应用，我们直接观察ACT的RNN网络选股效果，并与传统的RNN(LSTM)网络多因子选股模型进行对比。...从本次的对照来看，在多因子选股上，我们能够观察到速度的提高，从 LSTM 在7000 次迭代时的收敛提高到 ACT 的 5000 次以下的收敛。...选股特征分 在机器学习的算法中，我们评价一个学习网络的准确率是通过全部测试样本的预测结果来计算的。但是在选股中，我们更关心的是算法预测上涨的组合的实际胜率。...因此，我们选择计算看多组合中，概率最高的 100 只股票进入真实涨幅前100股票的比例，作为衡量算法选股的准确性标准。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
