沪深300成分股，整理了从2006到2024的沪深300成分，比市面上一年变化2次的成分数据全很多，一共198万条，基本覆盖了每次的变化情况，方便需要回测的兄弟们使用

00-20230522-华泰人工智能研究6周年回顾.pdf 01-20170601-框架及经典算法简介.pdf 02-20170622-广义线性模型.pdf 03-20170804-支持向量机模型.pdf 04-20170817-朴素贝叶斯模型.pdf 05-20170831-随机森林模型.pdf 06-20170911-Boosting 模型.pdf 07-20170919-Python 实战.pdf 08-20171123-全连接神经网络.pdf ... 66-20230426-面向投资研究行业的GPT使用指南.pdf 67-20230506-AI模型如何一箭多雕_多任务学习.pdf 68-20230511-神经网络多频率因子挖掘模型.pdf 99-2022年度中国量化投资白皮书.pdf

Python股票量化投资课程——

量化投资策略源码模型量化策略代码量化选股 量化择时量化资产配置财务指标选股研究系列成长股选股模型多因子选股模型事件驱动策略系列选股因子研究系列分析师荐股能力评定与跟踪利用分析师盈利预测数据挖掘投资机会度量市场“恐惧与贪婪”的量化择时指标量化择时——度量市场“恐惧与贪婪”的量化择时指标通过产业资本增减持数据构建的量化择时指标风格轮动模型行业基本面预测模型行业轮动模型

基于机器学习的量化投资策略demo.zip这是一个demo程序，旨在帮大家快速入门基于机器学习的量化投资方法。适于人群：有一定python基础，对炒股和量化投资一无所知的人。 运行程序 首先，通过以下命令安装必需的python依赖库。 pip install -r requirements.txt 调用tusare，获取股票的历史价格数据。每支股票的数据会保存在file/data目录下，所有股票的代码保存在文件file/stock_list.txt中，作为demo我只往里面放了10支股票，实战中应该尽可能地多放一些。 python data.py 根据基础的价格数据，生成机器学习模型所需要的高级特征。最终的特征文件是pickle二进制格式，存放在目录file/feature下。 python feature.py 训练lightGBM模型。模型文件是file/model.lgb.txt。 python model.py 根据历史数据回测模型效果。每天应该买入哪支股票以及对应的收益会存储在文件file/record.csv中，同时会计算量化投资最经常关注的三个指标：累积收益、最大回

量化投资模型,期货品种量化策略源码.1.海龟图,2.机器学习(股票) 量化策略源码.3.做市商交易(期货) 量化策略源码.4.跨期套利(期货) 量化策略源码.5.跨品种套利(期货)量化策略源码.6.网格交易(期货) 量化策略源码. 7.alpha对冲(股票+期货) 量化策略源码

用于文章《Python量化投资——投资结果的评价，阿尔法alpha、贝塔beta、夏普率sharp、波动率volatility的计算和可视化》的实例讲解。 一个CSV文件，包含一个量化轮动交易策略在过去十年里模拟交易结果，其格式为一张数据表，包含每一个交易日结束时当天持有的两种资产（沪深300指数或创业板指数）的数量，持有的现金数量，持有资产和现金的总价、以及作为比较基准的沪深300指数的当天收盘价。 下载本文件并参考上述文章，可以了解如何对交易的结果进行全面的评价，并最终生成一张专业的投资结果评价可视化图表。

量化投资策略：多因子到人工智能

本书的目标是：为读者提供一幅从量化角度绘制出来的市场投资“地图”。为了得到这幅通过实证绘制而成的投资地图，作者详尽地测试了超过1200种投资策略。书中归纳了七个投资维度：盈利性、估值、现金流、成长性、资产配置、价格动量以及危险信号，并告诉读者如何有效结合单个投资因子或组件因子，如何构建多因子策略，从而构建更全面的选股模型。最后，作者还介绍了如何将书中提出的策略有效地整合到你的投资过程中，以创造优秀的选股模型，构建自己的量化模型和投资组合，并实现超越市场的收益。本书中概括出的量化方法可以为定性投资者提供一个被证实的设计投资策略的方法，同时也可作为提高投资绩效的准则。

金融行业的想学Python的，这本书完全可以满足你，基础知识加各种Python技能