时间：2021年5月

作者：Raoul Khouri

[/wiki/static/upload/9c/9cc596f2-0684-45d5-95c7-c417f034b8eb.pdf](/wiki/static/upload/9c/9cc596f2-0684-45d5-95c7-c417f034

导语

最近的一项研究表明，在所有资产超过20亿美元的企业养老金基金中，超过80%拥有超过10位投资经理，在所有资产超过5000万美元的基金中， 不到三分之一的基金拥有一名投资经理。许多雇佣多名经理的基金只关注经理选择的过程。直到现在，一些基金才开始认识到，它们必须制定一种界定基金经理资产管理

作者：Robbie Allen
编译：BigQuant

早在21世纪初，我在编写关于网络和编程的书的时候，我就发现，互联网是一个很好的资源，但是它还不完善。 那时，博客已开始流行。但是YouTube还不是很普遍，同样Quora，Twitter和播客用户也很少。十年过后，我一直在潜心

作者：Michael Harris 编译：caoxiyang

导语

以下是我几个月前在欧洲做的一次演讲的摘录，当时我应邀为一群低调但净资产很高的投资者和交易员做演讲。该主题由主办方决定，是关于人工智能和机器学习对交易和投资的影响。下面的节选分为四个部分，涵盖了原始报告的50%。

策略最大回撤在17%左右，年化收益在100%以上。具有很好的抗压能力。废话不多说，详情看下链接。如果高手的话，使用策略（获得完整代码），可能看到整个股票池的排名。将更好使用策略。以下是策略链接。

q群：923858360.仅供咨询。不要相信其他任何信息.

提示：无需担心作者修改代码，不给真正代码

Q1:现在海内外量化实践有什么代际差吗？海外接下来量化方向除了另类数据应用，还有什么发展潮流？他们对于国内量化市场是怎么判断的？

1、华泰人工智能系列研究：四年五主题四十七篇研究

首先非常感谢BigQuant的邀请，这里我替换了一下标题，主办方给

主题：The Impact of AI to Global Asset Managers: The Responses and Adoptions

演讲人：关子敬 先生 Kevin Kwan 彭博亚太区量化及数据科学专家

![{w:100}{w:100}](/wiki/api/attachme

近年来互联网上各种陷阱频频发生，特别是疫情期间以及结束以后，很多人都掉入网上各种平台的陷阱当中损失惨重，最近，我遇到一个朋友他就遭遇了此种事情，他本来以为这种平台应该是比较可信的，结果万万没想到，在投入进入一段时间过后，平台方就找了个系统维护的理由不给他出款，说是等系统恢复了才可取款，可是都过去一个

穆忠煜说：很多人脑海里出现这个问题后，无非就两个选择，要么继续无脑的送钱进去，想快点把输得打回来，结果你越这么想，就越容易输，然后越陷越深，越输越多，然后到最后输个精光，看见自己的余额为0了，人也就冷静下来了，然后开始追悔莫及。要么就及时止损，先冷静思考，选择戒了。不过后者几乎很少人能够做到，因为人

新版知识库还没办法贴图，那我们这边就长话短说把~

上一年4月份做的天蝎座0.6 至今已经跑出了将近500%的收益

很多朋友都想知道这样的策略就怎么做的~，其实要点也不难，想了解的

也可以加入伙伴们的bq-策略实战开发讨论群（1群已满），这里有许多天梯的策略高手，每天都在讨论

很多模

在这里，你可以找到策略天梯上面的许多老面孔,jim,senven,tkyh,anzhi,cong ,cheng总等等，

还有一些量化爱好者也在加入我们，（一群已满）小伙伴我们一同学习，我们一同交流，一同成长，偶尔唠唠家常，

平常会讨论一些研发策略方面的心得，也会吐槽一下这令人又爱又恨的市场，偶额

前言

棋手柯洁研究了大半年的围棋软件，竟然发现人类关于围棋的认知“全都是错的，……甚至没有一个人沾到围棋真理的边”。

而在投资上用了人工智能后会我们发现，人类过去关于投资的认知也可能都是错的

用户小a从事量化投资快三年了，在我们的平台上，做出了非常漂亮的结果，符合他过去的经验逻辑，但效果

作者：Harry Nicholls编译：caoxiyang

导语

你有没有想过如何使你的交易策略自动化并增加交易利润？在本文中，我们将介绍算法交易的基本知识，好处和风险。准备好开始自动交易吧！ ![](/community/uploads/default/original

想到哪里写哪里，最近总结，把思路捋直了再说。 2017年开始接触策略下半年开始了解bigquant。之前在JD。。。。后来。。。。 2017下半年到2018年上半年策略从A策略开始接触，B从A升级过来， B到C策略建立，经过上千次的回测和修改，18年下半年放下休息，等结果。 这期间A建立之后做了几十

之所以需要查看中间变量的数值是因为我们有时在编写策略、策略调试中需要检查中间变量的数值是否正确，具体方法见下：

[https://bigquant.com/experimentshare/318dd5e24d3a4578b858f4a1226aca3b](https://bigquant.com/

很多时候需要为非专业人士解释机器学习，本文提供以下参考。

1.机器学习意味着：从数据中学习

机器学习目前风头正劲，AI也是热搜词汇。只要将合适的数据放入合适的模型，许多问题可以迎刃而解。如果能够帮助你宣传，就叫它AI吧。但请记住，AI，除了在学术界以外，常常是大家可以随意使用的热门词汇，

自 BigQuant AI策略详解 继续讨论： @soft05jun

拟合是一种学习能力，过度拟合是机器学习方法重点

https://bigquant.com/experimentshare/b8594b8ef8b84fc1bf0a4a3433e0767d

\

作者：Mybridge
翻译：BigQuant

我们比较了2017年全年近2万篇关于**机器学习应用

作者：James Le 编译：caoxiyang

在机器学习中，有一个叫做“世上没有免费午餐”的定理

作为平台的铁杆用户，本文主要分享下使用StockRanker模型来实盘交易的一些经验。

在机器学习领域，预测的结果依赖于：数据、算法和特征，因此真正好的策略一定是特征选择和特征构建非常好。

平台的StockRanker模型策略生成器只是搭建了一个策略框架，输入不同的特征就可以看到不同的策略效果。