分类目录归档：个人量化
好的，这是一份关于量化建模的概述，力求清晰、全面：
量化建模是指利用数学、统计学、计算机科学和金融理论，构建数学模型和算法来：
高维视角下的特征工程分类框架
统计特征
描述性统计
熵、均值、方差、偏度/峰度
时间序列统计
ACF、波动率聚类、协整性
极值统计
VaR、ES
数学变换特征
线性变换
标准化、降维
非线性变换
Box - Cox、分位数变换
信号处理
小波变换、傅里叶分析
领域知识特征
经济理论驱动
Fama - French因子、CAPM
市场实务驱动
隐含波动率曲面、变量分箱
时序与事件特征
滞后/滚动特征
无具体细分内容
季节性分解
无具体细分内容
事件窗口标记
突发事件、政策发布
关系型特征
横截面关系
跨资产相关性
网络结构特征
网络中心性、Granger因果
图嵌入特征
Node2Vec、...
## **平台模块**
- 量化社区：专注量化金融、数据科学，供用户交流策略和技术
- 量化投研平台：助力策略研发验证，含回测、研究环境、本地SDK
- 金融大数据平台：覆盖多市场金融产品，提供多维数据和报告
- 智能交易量化版：打通量化投...这个仓库是Microsoft开源的Qlib，它是一个面向人工智能的量化投资平台，旨在利用人工智能技术挖掘量化投资的潜力、助力研究并创造价值，支持从想法探索到实际生产的全流程。下面从几个方面详细介绍这个仓库：
Qlib中发布，以共同解决量化投资中的关键挑战。| 特性 | ...
|---|
多因子选股策略是量化投资中的经典方法，通过结合多个影响股票收益的因子（特征指标）来构建投资组合。其核心思想是：股票的收益率可以被一系列因子共同解释，通过筛选在这些因子上表现优异的股票，有望获得超额收益。以下是多因子选股策略的详细解析：
多因子策略的关键在于因子的选择和组合，常见因子类别包括：
1. 价值因子
- 衡量股票估值水平，如：
- 市盈率（PE）、市净率（PB）
- 股息率（Dividend Yield）
- 企业价值倍数（EV/EBITDA）
- 逻辑：低估值股票长期可能均值回归。
这个仓库是关于 pybroker 的项目，pybroker 是一个用于使用机器学习进行算法交易的 Python 框架。以下是关于这个仓库的详细介绍：
pybroker 旨在帮助用户开发算法交易策略，尤其专注于使用机器学习的策略。借助该框架，用户可以轻松创建和微调交易规则、构建强大的模型，并深入了解策略的性能。
投研平台（投资研究平台）是金融领域（如证券、基金、资管等机构）用于支持投资决策、策略研究、数据分析和风险管理的核心系统。其架构设计需要兼顾高性能、高可靠性、数据安全以及复杂计算能力。以下是一个典型的投研平台架构设计思路，分为核心模块和技术选型两部分：
AI量化交易是一种结合人工智能（AI）与量化投资的金融交易方法，通过算法模型分析海量数据、挖掘市场规律，并自动执行交易策略。以下是其核心内容与关键要点：
在股票领域，盘口是投资者观察和分析股票交易动态的重要窗口，包含了丰富的信息，以下是对它更详细的介绍：
交易思路
看新闻
重点
导致的
股票
重点新闻
选股
盯盘
看盘口
埋伏
首板
在股票投资领域，新闻事件是不可忽视的重要因素，它犹如一把双刃剑，既能为投资者带来丰厚回报，也可能让投资者陷入困境。掌握从新闻中挖掘交易思路的方法，对于投资者来说至关重要。