策略和技术

求 matlab 提取股票期货各频率数据攻略

刚入门量化投资不久,深受数据困扰,好不容易码出个策略,搬数据验证策略效果,就费了好大一天的劲。求问大牛们,有没有好一点的matlab数据插件之类的呀,可以让数据提取方便一点,最好可以加载在策略里面,直接实现?MATLAB量化投资, 程序化交易, 交易技术原文发布于宽客论坛,点击阅读原文

产品助理

岗位要求:1.热情和时间:对投资有激情,自我驱动,投入时间和精力钻研投资方法。每周至少到公司3天及以上。2.专业背景:最好是金融、数学、计算机相关专业背景,具有较强的统计分析能力;3.编程:Python、matlab、C++、R和C至少掌握一种,Python最佳,熟悉SQL  4.研发经验:懂得基本的金融基础知识,研究方向为事件驱动类策略。5.人品好,性格好,虚心

股票量化实习生 /CTA 量华实习生

岗位要求:1.热情和时间:对投资有激情,自我驱动,投入时间和精力钻研投资方法。每周至少到公司3天及以上。2.专业背景:最好是金融、数学、计算机相关专业背景,具有较强的统计分析能力;3.编程:Python、matlab、C++、R和C至少掌握一种,Python最佳,熟悉SQL  4.研发经验:懂得基本的金融基础知识,研究方向为事件驱动类策略。5.人品好,性格好,虚心

百度开源分布式深度学习平台:Paddle

百度分布式深度学习平台Paddle宣布开源,支持Python、C++和SWIG,支持多机数据并行的深度学习模型训练,并提供了Sequence to Sequence模型的Demo。Paddle团队在Github上介绍,PaddlePaddle(PArallel Distributed Deep LEarning,并行分布深度学习)是一个易于使用、高效灵活、可扩展的深度学习

深度学习:推动NLP领域发展的新引擎

文 / 雷欣,李理从2015年ACL会议的论文可以看出,目前NLP最流行的方法还是机器学习尤其是深度学习,所以本文会从深度神经网络的角度分析目前NLP研究的热点和未来的发展方向。我们主要关注Word Embedding、RNN/LSTM/CNN等主流的深度神经网络在NLP中的应用,这已经是目前主流的研究方向。此外,已经在机器学习或其它领域比较热门的方法,比如Multi-

深度 | 量子计算新里程碑:牛津大学打破量子逻辑门精度记录

牛津大学的研究者已经打破了逻辑门的精度记录,这是量子计算领域的最新进展。钙-43离子量子位状态和用于边带冷却(sideband cooling)、单量子位和两量子位门的拉曼变换(Raman transition)牛津大学传来了好消息。在创造量子计算机的道路上,科学家们又到达了下一个里程碑!由英国工程和物理科学研究理事会(EPSRC)资助的网络量子信息技术中心(NQIT)的

前沿 | MIT将量子信息处理系统集成到单芯片上,实用量子计算迈出重要一步

作者:Larry Hardesty量子计算机是一种能以远比传统计算机更快的速度执行某些计算的尚未实现的设备。量子计算的计算方式和经典的表示 0 或 1 的计算方式不同,量子计算机由量子位(qubit)构成,量子位可以同时表示 0 和 1。尽管带有多达 12 个量子位的量子系统已经在实验室中得到了证实,但创造足够复杂的能够执行有价值的计算的量子计算机还需要对量子位技术进行

重磅 | Nature论文:哈佛大学联手MIT,用机器学习筛选新型OLED材料

哈佛大学研究人员已经使用机器学习方法筛选出了 1000 多种可用于制造有机发光二极管(OLED)的新型蓝色发光分子,这项成果能够极大推动显示器的发展(点击阅读原文,可查看此论文连接)。OLED 屏幕使用了施加电流时能够发光的有机分子。不像现在普遍使用的液晶显示器(LCD),OLED 屏幕不需要背光(backlight),这意味着 OLED 屏幕能够像一片塑料一样薄且具有柔性

快速识别程序化策略的优劣

接下来我来简单的给大家概括下他的优缺点,需要的自行去拿。不需要的有兴趣的话也可以看下如何识别好的策略。这个平台我不是盲目的帮大家引荐,引荐前我是观察了许久。首先这个平台的创意很好,征集了来自全国各地的优秀策略,可以提供给不擅长编写代码的投资者。另外我最喜欢的就是这个平台策略数据的真实性,不存在过度拟合并且加入较高的手续费和滑点,非常负责。那么多平台和策略,好坏怎么判别

交易策略收益的基本特征

交易策略可能会多种多样,但它们都有一个共同的特点:策略的收益,这让不同的交易策略之间可以相互比较。然而,收益本身可以按不同的时间长度来衡量,比如每小时、每天、每月、每季度、每年,等等。因此,在对不同交易策略的收益进行比较时,需要保证所采用的收益频率是一致的。不同策略的收益可以用很多指标来度量,比如平均年度收益。平均收益值仅仅是收益分布均值所在的位置。高平均收益可能比低平均

涨姿势:宏观策略有什么用?

本文作者系荒原资产创始人凌鹏最近有朋友问及宏观策略对投资的作用,觉得微观调研跟踪更靠谱。作为一个入行即做策略的人,我对微观个股确实不懂,也无意“自上而下”和“自下而上”之争。谨以过去十年的思考经验,谈谈自己的看法,一孔之见,抛砖引玉。一.前瞻性微观调研很难前瞻,订单、排工最多能够彰显几个月的景气,中微观的高频数据确实能反映宏观,但大多只是当前的情况,无法推演。大部分群

李迅雷:深度分析中国经济的未来趋势

(来源:凤凰财经 作者:李迅雷)现在房地产投资需求很大,也有很多人在做这方面的研究,今天主要从金融的角度分析一下房地产和一些经济现象。总体来说,现在经济状况不好,也担心通胀,但是房地产业发展很好,可以说这是中国特有的现象。因为经济不景气,各个国家都不愿意进行结构改革,以宽松货币政策为手段,竞相贬值,给自己的经济打气。那么,究竟如何来看中国经济的未来趋势,会否出现通胀,房地

读懂硅谷的科技史、文化史和金融史

作者 | Leslie Berlin当前很多地方和国家到处都在自诩为xx硅谷,但其实很多都只是得到了硅谷的形,而没有硅谷的灵魂。Leslie Berlin在其Medium上的长篇博文对硅谷进行深入的分析的,全文贯通历史、现在和未来,从科技、金融和文化等角度阐述了硅谷之所以独一无二不可复制的原因,同时也对硅谷面临的挑战作出深刻的思考,并对硅谷和世界的未来作出了展望。“你如

黑天鹅的现代时间序列分析

本文将对《对黑天鹅和极端损失的建模》一文中的数据进行继续分析,研究极端损失在整个标普500股票交易中的时间分布。在这之前,我们的兴趣,首先是对于特定的股票在特定的时间区间可能出现的最大损失;其次,是绘制出这些极端损失的分布(找出可以用Gumbel分布进行很好的拟合)。研究这些损失可能发生的时间窗口能为我们提供一个额外的优势,甚至还可以发现一些关于黑天鹅数量的新信息。对于数

机器学习在统计套利中的应用

文/郑娜 编译1. 简介在投资领域,统计套利通常是指利用数学模型捕捉定价的无效性从而获利的过程。基本的假设是,价格将向历史平均回归。最常用且最简单的统计套利例子就是配对交易。如果股票P和Q属于同一行业或具有相似的特性,我们预期这两只股票的回报是相互跟踪的。因此,如果Pt和Qt分别代表相应的价格时间序列,我们对系统建模如下其中Xt表示一个均值回复的Ornstein-Uhl

分形在外汇交易中的应用

这里我们将展示基于埃德加·彼得斯和伯努瓦·曼德布罗特讨论的分形市场假说的交易策略在外汇市场交易中应用的盈利性。我们将看一下1963年曼德布罗特提出的时间序列分析的倾斜中的分形。曼德布罗特发现棉花价格(1900至1963年)并没有呈现正态分布,相反的而是簇拥在均值附近且极端变动情况(尾巴)的频率远高于正态分布的。这种类型的分布被称为狭峰:一种冗余峰值或者说分布峰值的锐度为正

基于预测模型的交易系统

作者:David Aronson编译:郑娜客观化系统化的交易金融工具相比主观方法有许多的优势:(1)由于各种认知偏差和情绪因素,智能化设计的自动交易系统可以并经常超越主观交易的绩效。(2)一个有效的数据挖掘程序可以发现市场行为中大多数人看不到的细微模式。(3)自动化交易系统绝对是可重复的,而主观的交易系统受制于一时的兴致。交易决策的一致性对于长期盈利能力至关重要。

构建可靠的自动交易系统

作者:Murray A. Ruggiero Jr.编译:郑娜如今越来越多的交易员想要用全自动化交易系统管理他们的投机账户。最基本的目标是找到一个或多个可供使用的可靠系统。然而,想要完成这个看似简单的任务,并非如此简单。可靠性是很难定义的,特别是当利润是等式的一部分。即使你知道对于某些特定的交易系统未来五年将获得25%的复合增长率,成功并不能得到保证。有几个因素可能导致

深度 | 微软人工智能首席科学家邓力:深度强化学习如何助力聊天机器人

邓力是微软研究院应用与服务部门(Applications and Service Group,ASG)人工智能首席科学家, IEEE Fellow。2015年,邓力凭借在深度学习与自动语音识别方向做出的杰出贡献,荣获 IEEE 技术成就奖。邓力首次提出并解决将深度神经网络应用到大规模语言识别中,这一实践显著提高了机器对语音的识别率,极大推动了人机交互领域的发展与进步。8

重磅 | IBM 创造出世界上首个人工相变神经元,可实现高速无监督学习

受人脑功能的启发, IBM 苏黎世研究院的一组科学家已经成功模拟出神经元发出尖峰脉冲的方式。这些人工神经元可被用于识别大数据中的模式及关联,还能在花费极少能量的情况下进行高速无监督学习。IBM 苏黎世研究院创造出了世界上首个人工纳米级的随机相变神经元,他们已将论文发表在了 Nature Nanotechnology 上。据介绍,IBM 已经创造出了 500 个这样的人工神经