量化投資
量化投資的功能有哪些？主要表現在哪些方面
- 量化投資的發展顛覆了傳統的投資方式，改變了投資者分析市場和執行交易的方式，改變了市場的微觀結構，給資本市場帶來了深遠的影響。量化投資的功能主要表現在以下幾個方面：有助於提升市場的定價效率影響資本市場定價效率的主要因素包括：交易成本、流動性、套利活動的活躍程度、市場的投資者類型、市場對消息的響應速度。
量化投資中的樣本內測試分析
- 爲了使所選的樣本更具有代表性，本策略以A股市場上正常交易的所有股票爲投資對象，選取2002年1月1日至2012年12月31日11年的時間爲本模型的樣本內測試區間。滬深300指數自2002年以來的走勢如圖11-1所示。
交易員多久審覈他的信用風險取決於什麼？如何進行信用分析？
- 交易員面臨來自交易所、經紀人、券商以及投資本身的違約風險。違約很少發生。但是一旦發生違約，就會帶來巨大損失。更糟糕的是，交易員並不因爲承擔信用風險而得到賠償，就像他們在證券市場中那樣。因此需要交易員定期監測信用風險，給那些他用於和交易所、經紀人、券商或者投資冒險的資金設置限制，然後他必須執行這些限制。
量化投資的常用統計檢驗方法有哪些？
- 隨着量化投資在金融市場中的應用越來越廣泛，很多量化投資策略和模型被研發出來並應用到實際的投資管理中，但是對於量化模型有效性的評估和檢驗方法卻不爲大多數人所熟知。研究人員通常使用夏普比率，信息比率、交易勝率和樣本外測試收益率等指標來評估量化模型的收益情況。然而，這樣的指標並不能完整地反映模型的真實表現情況。
量化投資策略開發的流程詳解
- 一、理論構建量化投資策略必須基於可論證的經濟理論.投資邏輯或市場經驗，理論邏輯基礎可以來自學術論文、研究報告或自身對市場的觀察。 數據準備量化投資策略開發需要基於較長時間段的穩定的市場數據，不僅在於歷史模式的統計歸納，也包括樣本外檢測的數據長度要求。
量化投資中的實盤跟蹤策略分析
- 本量化投資策略自2013年11月1日起進入實盤跟蹤階段，截至2014年7月31日共實盤跟蹤時間達185個交易日，在此期間滬深300指數的走勢如圖11-8所示，指數從期初的2400點震盪下跌3個月至2100點，然後一直處於橫盤震盪狀態3個月，最後，上漲至2350點。整體來看，本階段A股市場處於震盪時期。
海外量化基金的發展案例【案例：Columbine Capital Services】
- Columbine Capital Services成立於1976年，是爲職業財富管理人和基金等大型機構投資者提供數量化研究和諮詢服務的一家獨立研究機構，研究範圍覆蓋超過6000家美國公司和近20000家非美國公司，2008年，在評級機構Investars.
海外量化基金的發展
- 目前來說，對於量化基金並沒有嚴格的定義。Bloomberg認爲量化基金因使用量化投資方法而得名，最化基金通過數理統計分析，選擇那些未來回報可能會超越基準的證券進行投資，以期獲取超越指數基金的收益。對於一個完全的量化基金來說，其最終的買賣決策完全依賴於量化模型。
什麼是量化選股？量化選股如何應用
- 一個典型的投資流程如圖1-5所示，從中可以看出，量化投資技術幾乎覆蓋了投資的全過程，包括量化選股、量化擇時、股指期貨套利、商品期貨套利、統計套利、算法交易、資產配置、風險控制等。圖1-5 量化投資學科體系結構量化選股就是採用數量的方法判斷某個公司是否值得買入的行爲。
跨品種套利策略
- 棕擱油與豆油在消費領域具有很強的替代性，兩者的價格走勢具有很強的關聯性，當兩者之間相對價格(價格之差或價格之比)發生偏差時將出現跨品種套利機會。對於豆油與棕擱油來說，豆油的供給主要受南關、美國和國內的影響較大,而棕櫚油供給主要受東南亞主產國的影響較大。
什麼是跨品種套利？跨品種套利基本策略
- 跨品種套利基本策略跨品種套利是指利用兩種不同的，但相互關聯的商品之間的合約價格差異進行套利交易，即買入某一交割月份的某種商品合約，同時賣出另一相同交割月份、相互關聯的商品合約，以期在有利時機同時將這兩個合約對沖平倉獲利。
跨期套利策略：熊市套利
- 熊市套利與牛市套利不同，熊市套利只能以對沖的形式平倉，在此同樣從正向市場和反向市場兩方面加以分析。
什麼是跨市場套利策略？
- 跨市場套利策略跨市場套利是在不同市場之間進行的套利交易行爲。當同一期貨商品合約在兩個或者更多市場進行交易時，由一區域間的地理差別等因素，各商品合約間存在一定的固有價差關係。但是，由於兩個市場的供求影響因素、市場環境及交易規則等方面不完全一致，價格的傳導存在滯後甚至失真的情況，因此固有價差水平會出現偏離。
實證案例：PVC跨期套利策略
- 我們還是以大連交易所的PVC合約爲例，說明在正向市場中牛市套利的方法。跨期套利成本計算套利成本=倉儲費+資金成本+交易/交割費用+增值稅(1)倉儲費：1.0元/噸·天。
IFS（迭代函數系統）系統的基本原理及主要算法
- IFS系統迭代函數系統(IFS)方法是美國佐治亞理工學院的巴恩斯利等人首先應用一組收縮仿射變換生成分形圖像，即通過對原始圖形(生成元)的收縮、旋轉、平移等變換形成的極限圖形而具有自相似的分形結構，並將該仿射變換集稱爲IFS。
跨市場套利策略實證案例：倫銅一滬銅跨市場套利
- 我們以某公司爲例進行倫銅和滬銅之間的跨市套利案例進行分析：A公司是一家主要從事有色金屬和礦產品進出口及加工的企業，經過多年的發展，公司與國內外衆多金屬行業的工廠、礦山等建立了良好的業務關係，在進出口流程方面更是駕輕就熟。
人工智能：自然演繹推理
- 自然演繹推理自然演繹推理是指從一組已知的事實出發，直接運用命題邏輯或請詞邏輯中的推理規則推出結論的過程。推理規則如下：(1)P規則：在推理的任何步驟上都可引入前提，繼續進行推理。‘(2)T規則：推理時，如果前面步驟中有一個或多個公式永真蘊含必式S，則可把S引入推理過程中。
人工智能自動推理的分類
- 自動推理推理就是按某種策略由已知判斷推出另一判斷的思維過程，其中，已知判斷是指包括已掌握的與求解問題有關的知識及關於問題的己知事實。推理的結論是指由己知判斷推出新判斷，推理由程序實現，稱爲推理機。自動推理的分類按判斷推出的途徑來劃分，可分爲演繹推理和歸納推理。
人工智能學習策略分類
- 學習策略分類學習策略是指學習過程中系統所採用的推理策略，一個學習系統總是由學習和環境兩部分組成。由環境(如書本或教師)提供信息，學習部分則實現信息轉換，用能夠理解的形式記憶下來，並從中獲取有用的信息。在學習過程中，學生(學習部分)使用的推理越少，他們對教師(環境)的依賴就越大，教師的負擔也就越重。
量化投資理解誤區
- 1、不是基本面分析的對立者量化投資並不是基本面分析的對立者，海外量化投資的經驗是量化投資模型很多是基於基本面因素，同時考慮市場因素、技術因素等。因此，量化投資也不是技術分析，而是基於對市場深入理解而形成的合乎邏輯的投資理念和投資方法。