经典量化策略解读
由small_q创建,最终由shibazijiang更新于
由small_q创建,最终由shibazijiang更新于
\
由small_q创建,最终由small_q更新于
量化交易两大难题:择时靠猜、选品靠蒙?\n传统方法割裂两者,容易踏空或站岗。\nalphaGPT现已实现“择时+选品种”联合决策\n——像多因子选股一样,把主观判断变成可回测的信号。\n🎯 直播干货:\n✅ 从0到1跑通完整策略(择时+选品种)\n✅ 多因子选股逻辑迁移到品种&时机联合优化\n✅
由small_q创建,最终由small_q更新于
由small_q创建,最终由small_q更新于
由small_q创建,最终由small_q更新于
由bqadm创建,最终由bqadm更新于
📢徐啸寅老师直播 《风险平权混合策略》
——让收益更稳健的秘密武器
📊不只是资产配置的新玩法,更是当前波动市场中追求稳健收益的重要思路。\n💡 直播亮点:\n✅ 什么是风险平权?为何它能降低组合波动?\n✅ 混合策略如何兼顾收益与风控?
\
由small_q创建,最终由small_q更新于
📈 为什么你的策略总在“过山车”?\n选对时机却压错仓位?组合分散但收益平平?\n单一策略已无法应对震荡市
混合策略才是超额收益的关键!
视频讲解:https://bigquant.com/college/764a7c43-c4b9-4136-a3d8-e2cef505e5eb
\
由small_q创建,最终由small_q更新于
👉 市场风格切换频繁,怎么抓住“当下最强风格”?\n👉 小盘/价值/动量/低波……这些因子怎么搭配才有效?
本次直播拆解风格因子选股的实战路径!
直播回放:<https://bigquant.com/college/c21cbc62-af1b-4c29-abe9-8b5e15713bba
由small_q创建,最终由small_q更新于
{{por}}
[https://bigquant.com/codesharev3/bdf0d913-1ad9-4c49-b985-2ff50211808e](https://bigquant.com/codesharev3/bdf0d913-1ad9-4c49-b985-2ff50211
由small_q创建,最终由small_q更新于
由small_q创建,最终由bqhnclli更新于
由bqadm创建,最终由bqadm更新于
由bqadm创建,最终由bqadm更新于
由bqadm创建,最终由bqadm更新于
提问:夏普比率是衡量策略好坏的重要指标,它的计算公式是什么?数值越高代表什么?什么是“过拟合”?为什么在回测中表现完美的策略,实盘往往会亏损?
提问:在计算因子值之前,为什么要对原始数据进行“去极值”处理?意义是啥,常见的去极值方法有哪些
提问:在构建因子时,怎么避免未来函数
提问
由small_q创建,最终由small_q更新于
由bqadm创建,最终由bqadm更新于
提问:基于XGBoost滚动训练的策略,在相同数据、相同策略的情况下,回测结果也会不同,有时收益率相差很大。这是XGBoost算法本身的特性决定的吗?在这种随机性下,怎么评估策略的优劣性?实盘时能接受这种随机性吗?还是说需要增加某些机制,抑制这种随机性。
提问:请问同时使用的几个策
由small_q创建,最终由small_q更新于
由small_q创建,最终由small_q更新于
问题:有些策略在固定持有时间时,对回测起始时间非常敏感,起始时间相差1天,回测收益率就会有很大变化。有什么好的办法能降低策略对回测起始时间的敏感度?
根本原因:固定持有期策略本质上是在做"相位采样",不同起始日对应不同的持仓批次,收益差异大说明策略本身存在较强的时序依赖或批次效应。
可以
由small_q创建,最终由qxiao更新于
由small_q创建,最终由bqzpx74n更新于
由small_q创建,最终由small_q更新于
由bquzrvd6创建,最终由bquzrvd6更新于
由small_q创建,最终由small_q更新于
由small_q创建,最终由small_q更新于
由small_q创建,最终由small_q更新于