量化投资
量化投资的相关文献在2010年到2022年内共计279篇,主要集中在财政、金融、经济计划与管理、自动化技术、计算机技术
等领域,其中期刊论文255篇、会议论文5篇、专利文献23091篇;相关期刊161种,包括品牌、经济研究导刊、商情等;
相关会议5种,包括2015中国数据分析师行业峰会、杭州电子科技大学第九届研究生IT创新学术论坛 、第十二届中国智能机器人大会等;量化投资的相关文献由398位作者贡献,包括徐景昭、牛晓健、丁琦等。
量化投资—发文量
专利文献>
论文:23091篇
占比:98.89%
总计:23351篇
量化投资
-研究学者
- 徐景昭
- 牛晓健
- 丁琦
- 于鑫垚
- 付志刚
- 付雷
- 何诚颖
- 信凤芹
- 刘经涛
- 华康
- 周亮
- 周凯
- 周志中
- 姚天舒
- 廖琳蔚
- 张友松
- 张婷
- 张文娟
- 张来喜
- 张鑫
- 施伟强
- 朱臻
- 李杰
- 李路
- 武畅
- 沈慧娟
- 熊海芳
- 王文兵
- 王望
- 王菊
- 田穗
- 章画意
- 肖阳
- 蔡杨
- 袁亮
- 邓晶
- 邹陆曦
- 金雪敏
- 陈阳
- 魏枫妮
- 黄恒秋
- 黄金萍
- Chen Rui
- Chen Wei
- GONG Tao
- He Chengying
- Katherine Greifeld
- Miao Yusong
- TIAN Sui
- YAO Tian-shu
-
-
李贤
-
-
摘要:
随着金融科技的发展,金融与计算机相结合的投资方式也即量化投资逐渐在二级市场上流行起来。传统的投资方式主要是人为交易、手动操作,在交易过程中往往包含着主观与非理性等因素,而量化投资则具有更高的交易效率、更广的监控范围、更优的风控框架等优势。近几年来国内量化投资基金的管理规模节节攀升,甚至一度有量化私募突破百亿管理规模,而头部机构管理规模更是超过千亿人民币。因此,本文首先介绍了量化投资的相关概念,随后对二级市场量化投资策略进行了介绍,最后将机器学习算法优化引入到量化投资中来,以期推动量化投资在国内的进一步发展。
-
-
王忆雯;
胡悦欣
-
-
摘要:
随着大数据技术以及人工智能领域的不断发展,量化投资技术在金融领域的应用越来越广泛,受到了各界的关注与认可。然而目前对于量化投资的研究多是基于数理模型极少考虑到投资者情绪方面,本文将深入研究量化投资与投资者情绪乃至行为金融学的发展现状、存在问题以及将投资者情绪纳入量化投资策略中的必要性,从而推动量化投资的进一步发展。
-
-
董建芳
-
-
摘要:
随着我国证券交易体量的不断增大,业界对运用深度学习等大数据分析技术对量化投资的兴趣日益增加。主流思路为研究个股投资策略(包括选股和择时)和设计合理的投资组合,从而寻找阿尔法。除此之外还有优化某些投资过程,把一些手动,半自动的投资方式变成自动化,解决大单交易市场冲击和对投资者的高风险行为监督等问题。随着深度学习技术的发展,国内外的研究者对深度学习在量化投资中的应用也经历了从使用人工神经网络、随机森林和向量机到卷积神经网络、LSTM神经网络和混合模型的发展。时至今日使用深度学习在还存在着一些问题,包括技术问题和不成熟市场的特有问题。总体来说,将深度学习运用到量化投资中是完全可行并具有广大发展空间的。
-
-
张禹隆
-
-
摘要:
股票波动一直是投资者所关注的重点,如何预测与处理股票的波动直接决定了投资者的收益水平。本文基于艾略特波浪理论,编写波浪理论八浪模型识别程序,利用沪深300指数历史数据对程序进行检验,并通过设计策略以贵州茅台数据进行回测检验,为量化投资分析提供一种新的参考方法。
-
-
王刚贞;
李文博;
朱家明
-
-
摘要:
选取AI产业的109只股票进行初步筛选,运用主成分分析和模糊C均值聚类法对筛选出的29支股票的财务指标进行处理,综合股票的成长因子、盈利因子、偿债因子和资本结构等指标,筛选出进行投资组合的8只股票。基于马科维茨组合理论构建有效前沿,结合投资者在不同风险厌恶程度下的投资效用情况选取最佳的投资组合。计算构建的投资组合在99%和95%置信水平下的在险价值和波动率,发现所构建的投资组合较为合理。最后给出相应的投资建议。
-
-
李溪婉
-
-
摘要:
量化投资属于一种投资策略,经过多年的发展以及完善之后,这种类型的投资模式已经具有较高的影响力,甚至目前他已经影响到市场金融各个参与者以及市场金融本身。国外对量化投资的研究起步时间相对较早,该投资模式具有业绩稳定、投资理性的特点,所以会广泛地应用在投资决策的工作当中。在这几年量化投资的理念传播迅速,中国越来越多的基金经理在开展重大决策时使用量化投资的策略进行一系列的管理工作。而本文在进行研究的过程当中,主要以量化投资的独特优势作为切入点,探讨我国量化投资发展的内容,并提出科学合理的建议。
-
-
姜宇薇
-
-
摘要:
随着资本市场发展愈加成熟,量化投资也受到了越来越多的关注。大数据与人工智能技术如火如荼地发展,为量化投资的流程自动化和策略智能化注入巨大动力。国内量化投资起步较晚但发展迅速,借鉴国外量化技术的演进道路,未来国内量化策略将更加注重基本面的底层逻辑,并朝着多元化、自动化以及智能化的方向发展。
-
-
李强;
陈衍姣
-
-
摘要:
量化投资是当前股票投资策略构建的热门选择,利用模型和计算机技术来实现投资过程。构建基于布林带通道的交易策略模型,以贵阳银行股票2021年1月1日到2021年11月30日之间的220个交易日数据为研究对象进行仿真实验,将其与均线系统策略进行对比分析。实证结果表明,对于贵阳银行股票的投资决策,均线系统策略比布林带通道策略表现更好,但优势并不明显。在现实投资中应该使用多样化的策略来降低风险。
-
-
张超林
-
-
摘要:
本文基于证券投资基本分析和技术分析的理论基础,使用上市公司财务报表数据和周个股收益率数据,利用Stata编写程序,筛选出同时满足业绩强势和价格强势的股票,从而为下一步投资决策奠定了基础。本文是利用金融计量软件Stata进行量化投资教学的初步应用,未来可以在该研究的基础上进行进一步拓展和深化。本文的研究对于学习如何应用金融计量软件Stata进行量化投资具有一定的参考价值。
-
-
罗琎
-
-
摘要:
量化投资从市场环境分析、宏观经济解读以及股票的基本面和技术面等方面入手,建立起可持续使用的数学模型,在市场上寻找盈利机会。该文构建了一个基于行业轮动的多因子选股模型,通过实证分析发现:使用行业轮动与市值解释因子模型结合的策略得出的投资效益远高于沪深300的市场平均,并高于单纯使用因子模型进行选股的投资方式。此外,还发现行业轮动多因子选股模型在风险防范上优于多因子选股模型,前者更能有效地防范风险。
-
-
-
TIAN Sui;
田穗;
YAO Tian-shu;
姚天舒
- 《杭州电子科技大学第九届研究生IT创新学术论坛》
-
摘要:
近年以来,A股市场投资者,运用机器选股的量化投资越来越多.本文构建了以传统因子打分为理论依据的球面选股模型,选出若干股票,并运用MA、MACD、DMA技术指标构建算法择时对球面选股所选模型进行一系列的优化,风控,自适应,使得该模型选出的股票在A股市场中,可以有效交易并尽可能的获得超额收益.在2010年至2016年5月,本文依据HS300选取5个不同形态的时间段,对因子进行检验,辅助建立了实证模型并检验显示:无论是长,中,短三个时期,运用球面选股选出的股票比运用因子打分排序选出的股票在程序化交易中更具有超额收益.
-
-
GONG Tao;
龚涛;
YU Dan;
于丹
- 《第十二届中国智能机器人大会》
-
摘要:
针对软件机器人自主自动管理投资数据和策略的问题,受人体免疫系统的智能免疫调节与免疫防御启发,从量化投资软件机器人与生物免疫调控、计算之间的关系入手分析,探究量化投资的数学模型和智能决策模型.归纳免疫计算等从自然机制启发而计算的新方法,为量化投资免疫机器人研究构建新的自然计算机制和架构.量化投资免疫机器人研究是一种新问题,拟用从自然计算的框架出发,构建适用于智能机器人量化投资与免疫计算的免疫数学形式化表示、推理、软件应用设计和硬件改进,将在金融智能管理、量化投资理财、软件机器人研究应用方面具有重要的理论意义和应用价值.
-
-
-
He Chengying;
何诚颖;
Chen Rui;
陈锐;
Miao Yusong;
苗宇松;
Chen Wei;
陈薇
- 《中国数量经济学会2019年年会》
| 2019年
-
摘要:
人工智能的时代已经到来,它影响着社会的方方面面,金融行业也不例外.通过量化分析、智能投资等方法,人工智能在股票投资中的作用越来越明显.在中国A股市场中,人工智能的基础大数据也得到应用,这些参与实际投资的大数据基金利用百度、新浪、淘宝、360、银联、腾讯、京东等不同渠道的各种大数据,为基金管理者认识市场提供新的维度,利用更及时、更快捷的信息获取和处理技术挖掘投资者情绪、深挖实体经济行业变化趋势或者挖掘投资者投资智慧来获取投资价值.实证研究表明,大多数大数据基金都明显倾向于投资小盘股,有1/2的大数据基金倾向于投资成长股,这些基金中有半数能够跑赢与自己投资风格相符的市场基准,表明大数据在中国A股市场股票投资中的应用价值.
-
-
He Chengying;
何诚颖;
Chen Rui;
陈锐;
Miao Yusong;
苗宇松;
Chen Wei;
陈薇
- 《中国数量经济学会2019年年会》
| 2019年
-
摘要:
人工智能的时代已经到来,它影响着社会的方方面面,金融行业也不例外.通过量化分析、智能投资等方法,人工智能在股票投资中的作用越来越明显.在中国A股市场中,人工智能的基础大数据也得到应用,这些参与实际投资的大数据基金利用百度、新浪、淘宝、360、银联、腾讯、京东等不同渠道的各种大数据,为基金管理者认识市场提供新的维度,利用更及时、更快捷的信息获取和处理技术挖掘投资者情绪、深挖实体经济行业变化趋势或者挖掘投资者投资智慧来获取投资价值.实证研究表明,大多数大数据基金都明显倾向于投资小盘股,有1/2的大数据基金倾向于投资成长股,这些基金中有半数能够跑赢与自己投资风格相符的市场基准,表明大数据在中国A股市场股票投资中的应用价值.
-
-
He Chengying;
何诚颖;
Chen Rui;
陈锐;
Miao Yusong;
苗宇松;
Chen Wei;
陈薇
- 《中国数量经济学会2019年年会》
| 2019年
-
摘要:
人工智能的时代已经到来,它影响着社会的方方面面,金融行业也不例外.通过量化分析、智能投资等方法,人工智能在股票投资中的作用越来越明显.在中国A股市场中,人工智能的基础大数据也得到应用,这些参与实际投资的大数据基金利用百度、新浪、淘宝、360、银联、腾讯、京东等不同渠道的各种大数据,为基金管理者认识市场提供新的维度,利用更及时、更快捷的信息获取和处理技术挖掘投资者情绪、深挖实体经济行业变化趋势或者挖掘投资者投资智慧来获取投资价值.实证研究表明,大多数大数据基金都明显倾向于投资小盘股,有1/2的大数据基金倾向于投资成长股,这些基金中有半数能够跑赢与自己投资风格相符的市场基准,表明大数据在中国A股市场股票投资中的应用价值.
-
-
He Chengying;
何诚颖;
Chen Rui;
陈锐;
Miao Yusong;
苗宇松;
Chen Wei;
陈薇
- 《中国数量经济学会2019年年会》
| 2019年
-
摘要:
人工智能的时代已经到来,它影响着社会的方方面面,金融行业也不例外.通过量化分析、智能投资等方法,人工智能在股票投资中的作用越来越明显.在中国A股市场中,人工智能的基础大数据也得到应用,这些参与实际投资的大数据基金利用百度、新浪、淘宝、360、银联、腾讯、京东等不同渠道的各种大数据,为基金管理者认识市场提供新的维度,利用更及时、更快捷的信息获取和处理技术挖掘投资者情绪、深挖实体经济行业变化趋势或者挖掘投资者投资智慧来获取投资价值.实证研究表明,大多数大数据基金都明显倾向于投资小盘股,有1/2的大数据基金倾向于投资成长股,这些基金中有半数能够跑赢与自己投资风格相符的市场基准,表明大数据在中国A股市场股票投资中的应用价值.