机器学习

机器学习在金融领域的应用日益广泛，为金融业务的智能化提供了强大动力。它运用算法和模型，自动从海量数据中学习和提取有用信息，无需人工进行复杂编程。在金融风控方面，机器学习技术可帮助银行、保险公司等机构更准确地识别欺诈行为，降低信贷风险。在投资策略上，通过对历史数据的深度学习，机器能预测市场走势，为投资者提供更精准的建议。同时，机器学习还能优化客户服务，例如通过聊天机器人提供24小时在线咨询，或根据客户行为数据提供个性化金融产品推荐。总的来说，机器学习不仅提升了金融业的效率和智能化水平，也在重塑我们的金融生态。

QuantChat-生成旅行建议

• 点击新建对话，创建一个新对话

{w:100}

• 点击输入框，开始与QuantChat交流

{w:100}

• 您可以直接输入以下对话

![{w:100}](/wiki/api/attachments.redirect?id=a8f02630

更新时间：2023-05-04 02:27

chatgpt

%%BigQuant_ChatGPT 你好

更新时间：2023-04-28 11:41

CTA程序化交易实务研究：基于机器学习的订单簿高频交易策略-民生-131211

摘要

机器学习是订单簿动态建模的前沿方法订单簿的动态建模，主要有两种方法，一种是经典的计量经济学方法，另一种是前沿的机器学习方法。机器学习通过对己知数据的学习，找到数据内在的相互依赖关系，从而对未知数据进行预测和判断，最终使得机器具有良好的推广能力。支持向量机(SVM,Support Vector Machine)是目前较为先进的机器学习方法。

可以从订单簿提炼指标库来刻画其特征订单簿主要包括买一价、卖一价、买一量、卖一量等基础指标，并可以衍生出深度、斜率、相对价差等指标，其他指标包括持仓量、成交量、基差等，共计17个指标。还可以引入常见的技术分析指标如RSI、KDJ、MA、EMA等

更新时间：2023-04-21 05:13

龙头战法实盘+AI-量化大赛NO.3-中证150增强[策略分享]

{w:100}{w:100}{w:100}

谢谢小Q， 感谢BQ。四周年快乐\~

昨天收到了小Q寄来的礼物，好开心啊，双11不用我自己去买了。。。。一如既往的清新风。我已经猜到了，上一年是保温杯，今年是茶壶，下一年可不可以送包枸杞 ，

更新时间：2023-03-07 12:00

ChatGTP教程 - OpenAI语言模型的全面指南

用ChatGPT生成的ChatGPT教程

更新时间：2023-02-03 21:30

随着交易数据量越来越大，金融领域的各种应用已经验证了使用人工智能可以更好地进行投资或业务决策，也越来越多人相信人工智能技术在金融领域的应用前景。人工智能提供了一种适用于从个人数据到业务流程的高效数据分析工具。与此同时，越来越多金融机构开始使用机器学习方法，以期在市场竞争中赢得优势。量化投资机构逐渐抛弃传统的分析方法，转而使用机器学习算法预测市场走势和选择投资组合。与传统投资方式相比，量化投资方式具有更高效率及准确性。量化投资是一种基于计算机系统而生成的投资策略选择方法，可以对数学模型进行监理，在实现交易理念活动过程中构建更为完善规范的量化投资评价体系。在对模型进行监理的基础上，再对历史数据

更新时间：2023-02-01 15:30

用k-近邻分类算法实现A股股票选股

策略案例

https://bigquant.com/experimentshare/7f7021993a9f40149189be939e15c882

更新时间：2023-01-03 07:44

股票池初选老是报错 concept

问题

股票池初选老是报错 concept 求大佬解释

{w:100}

解答

参见此链接的答复

https://bigquant.com/wiki/doc/gupiao-wenti-RH6JMkfTP0

更新时间：2022-12-20 14:20

K近邻分类算法选股，提示错误

问题

{w:100} {w:100} 请问这个错误是什么原因

解答

筛选过后的classes_prob_0没有数据，则索引[0]找不到相关的数据

更新时间：2022-12-20 14:20

为什么按机器学习的教学视频报错？

https://www.bilibili.com/video/BV1Wf4y1271W?p=2&vd_source=a32aa75ee6253e50dec69457cee613a4

[https://bigquant.com/experimentshare/c320bbf476b248b9904a5ca2d890ef96](https://bigquant.com/experimentshare/c320b

更新时间：2022-12-20 14:20

能否拿到GBDT的特征重要性

问题

能否拿到GBDT的特征重要性

解答

和随机森林去提取特征重要性一样

更新时间：2022-12-20 14:20

遗传规划

问题

https://bigquant.com/experimentshare/98c1a63396fa4a7e9b2bc1e552b124ae

更新时间：2022-12-20 14:20

模型

模型板块包含了AI算法模型，多因子模型等一些研究内容。

更新时间：2022-12-06 14:42

机器学习+择时+跟踪止损+技术分析

策略案例

https://bigquant.com/experimentshare/41ba8c41f99346a6872f3ecac3a50c80

更新时间：2022-11-20 03:34

AI+涨停板特征提取

策略案例

https://bigquant.com/experimentshare/6ac00fc386f74acb886b8168d7809b98

更新时间：2022-11-20 03:34

利用新的列表排序学习法构建多空组合

Constructing Long-Short Stock Portfolio with A New Listwise Learn-to-Rank Algorithm

作者：Xin Zhang, et al.

出处：Quantitative Finance, 2021-07

摘要：随着机器学习的快速发展，因子策略在行业中得到越来越广泛的应用。在算法中输入多因子可以进行横截面收益预测，并进一步用于构建多空组合。大量现有研究使用排序学习法来预测股票排名，基于此，作者提出了一个新的列表排序学习损失函数来进一步强调排名的头部和尾部。本文的损失函数基于多空策略，具有内在的移位不变性，是对ListM

更新时间：2022-11-20 03:34

多数据源预测股价走势：股票越活跃，准确性就越高

Forecasting Stock Price Movements with Multiple Data Sources: Evidence from Stock Market in China

作者：Zhongbao Zhou, et al.

出处：Physica A, 2020-03

摘要：作者使用了多种异构数据源来预测股价的走势，包括历史交易数据、技术指标、股票发布、新闻以及百度指数。作者主要关注活跃和不活跃的股票的独特预测模式，并且研究了单只股票在不同活动水平下支持向量机的预测能力。作者根据上述5种异构数据源，共构建了14种数据源组合，并且用了1天、2天、3天三种预测范围，从

更新时间：2022-11-20 03:34