iT邦幫忙

鐵人檔案

2023 iThome 鐵人賽
回列表
AI & Data

量化交易與機器學習 系列

研究一些交易與投資組合模型和技術:
1.投資組合、2.風險管理、3.資產管理。

交易演算法定義包括阿爾法因子(Alpha Factor)、資產配置、測試策略。
機器學習可以做為量化交易領域的決策工具。

鐵人鍊成 | 共 30 篇文章 | 7 人訂閱 訂閱系列文 RSS系列文
DAY 1

計量金融(QuantitativeFinance)

計量金融(QuantitativeFinance)提供了大量了解應用和研究驅動的資料科學(DS)的機會。對於財務問題來說,目標可以很容易,但解決辦法卻很難。 在...

2023-09-01 ‧ 由 HO-HSUN 分享
DAY 2

橫截面和時間序列的CTA(Commodity Trading Advisor)策略

投資策略的時間序列和橫截面: 利差策略 動量策略 價值策略 在計量現金股票策略中,動量幾乎總是跨資產(相對價值)進行交易,而在期貨交易中,動量通常是定向應用...

2023-09-02 ‧ 由 HO-HSUN 分享
DAY 3

強化學習(Reinforcement Learning)

一種相對較新的金融交易方法是使用機器學習算法來預測資產價格的漲跌。最佳交易者會在價格上漲之前買入資產,並在其價值下跌之前賣出資產。 對於這個項目,資產交易者將使...

2023-09-03 ‧ 由 HO-HSUN 分享
DAY 4

恐慌指數(Volatility Index,VIX)策略

波動率(Volatility)指數的想法源於擁有有效工具來對沖波動率變化的必要性。股票、債券和貨幣市場三種資產類別各有一個波動率指數。 VIX指數 CBOE 波...

2023-09-04 ‧ 由 HO-HSUN 分享
DAY 5

梯度提升機(Gradient Boosting Machine)模型預測公司關閉

GBM 模型可以預測未來幾年,以便管理層可以在預測關閉之前很久進行干預。對變量非線性關係的更深入理解有助於改善陷入困境和運行良好的部門。 分類器的性能通過排列技...

2023-09-05 ‧ 由 HO-HSUN 分享
DAY 6

集成學習(Ensemble Learning)和訊號理論(Signaling Theory)預測收益

通過利用盈餘慣性(Post–Earnings-Announcement Drift,PEAD)證明策略的盈利能力。 許多交易策略都依賴於未來盈利意外可能性的訊息...

2023-09-06 ‧ 由 HO-HSUN 分享
DAY 7

因子投資(Factor Investing)

可預測性的研究通常依賴於有關市場回報可預測性的預測變量。例如:股息收益率、名義收益率和收益率利差。 當特定行業出現現金流不穩定時,訊息處理的限制會阻礙專門從事相...

2023-09-07 ‧ 由 HO-HSUN 分享
DAY 8

現代投資組合理論(Modern Portfolio Theory, MPT)

投資組合配置是風險與回報之間的權衡,遵循柯爾莫哥洛夫-阿諾德定理,該定理指出不存在多元函數,只有單變量半仿射(投資組合)函數的組合。 傳統的金融定價模型基於依賴...

2023-09-08 ‧ 由 HO-HSUN 分享
DAY 9

最小相關性投資組合(Minimum Correlated Portfolio)

現代投資組合理論(MPT)的困難在於相關性是非平穩的,並且存在非線性效應。 最重要的是,金融資料極其稀疏,皮爾森相關性(Pearson correlation...

2023-09-09 ‧ 由 HO-HSUN 分享
DAY 10

生成對抗網路(GAN)與風險管理

生成對抗網路(GAN) 允許我們隱式地最大化複雜分佈的可能性,從而允許我們從此類分佈生成樣本。這裡的關鍵點是隱式最大似然預測原則,即我們不指定該複雜分佈的參數化...

2023-09-10 ‧ 由 HO-HSUN 分享