㈠ 什麼是lvq神經網路
學習向量量化LVQ(Learning Vector Quantization)神經網路，屬於前向神經網路類型，在模式識別和優化領域有著廣泛的的應用。
LVQ神經網路由三層組成，即輸入層、隱含層和輸出層，網路在輸入層與隱含層間為完全連接，而在隱含層與輸出層間為部分連接，每個輸出層神經元與隱含層神經元的不同組相連接。隱含層和輸出層神經元之間的連接權值固定為1。輸入層和隱含層神經元間連接的權值建立參考矢量的分量（對每個隱含神經元指定一個參考矢量）。在網路訓練過程中，這些權值被修改。隱含層神經元（又稱為Kohnen神經元）和輸出神經元都具有二進制輸出值。當某個輸入模式被送至網路時，參考矢量最接近輸入模式的隱含神經元因獲得激發而贏得競爭，因而允許它產生一個「1」，而其它隱含層神經元都被迫產生「0」。與包含獲勝神經元的隱含層神經元組相連接的輸出神經元也發出「1」，而其它輸出神經元均發出「0」。產生「1」的輸出神經元給出輸入模式的類，由此可見，每個輸出神經元被用於表示不同的類。
㈡ 完全不懂金融，想學習量化投資需要學習哪些金融科目
我個人認為學習量化投資在金融方面需要具備兩個方面的知識：
1、首先是要了解金融市場與金融產品，只有這樣才能在眾多市場與標的中選擇合適的來構建投資組合，這一方面需要了解的基礎知識有：金融市場與金融機構、投資學、金融衍生品等等；
2、其次是需要了解如何量化，相信你應該有足夠的IT背景，編程沒啥問題，其次的話就是要了解數理來溝通金融產品選擇與編程落地，需要了解的科目有：概率論、統計學、計量經濟學、金融經濟學、數理金融等。
㈢ 個人做量化交易需要注意些什麼
一說到量化投資，一下子蹦出來一堆厲害的語匯，例如：FPGA，微波加熱，高頻率，納秒等級延遲時間這些。這種全是高頻交易中的語匯，高頻交易的確是基金管理公司做起來較為適合，平常人搞起來門檻較為高。
模擬交易最後實際效果一般在於你的程序流程是不是靈便，是不是優良的風險性和資金分配優化演算法。
總結：對於說本人做量化投資是不是可靠，上邊的步驟早已表明了實際可策劃方案，可靠性顯而易見。對於能否賺到錢，就看本人的修為了更好地。
㈣ AI都能炒股了，以後就要拼誰的演算法牛了
人工智慧量化交易平台宣布獲得數百萬人民幣融資。據悉，本輪融資將主要用於團隊建設、產品開發和硬體設備投入。
是一家基於人工智慧的量化投資公司，成立於2017年10月，主要將技術應用於量化投資領域，實現低風險高收益的投資回報。
中國私、公募基金規模呈大跨步發展，截止2018年2月底，中國私募基金規模已達12.01萬億元，公募資金規模已達12.64萬億，在控制風險的前提下，提高獲得投資收益的效率，是公、私募投資最大需求，國外盛行的量化交易越來越被國內機構所接受。
在量化交易這個領域，目前已有不少項目：私人量化交易平台JoinQuant、RiceQuant以及優礦，為量化交易領域提供核心演算法支持的眾加，量化策略商城微量網、以量財富為代表的量化理財平台，以及為量化投資者提供智能交易和分析工具的名策數據。
量化交易策略的建立是量化交易的重要環節。目前主要方式有兩種，一種是輸入與這套邏輯相關聯的因子，比如歷史表現、公司財務數據、宏觀經濟數據、上下游供應商數據等眾多參數，建立一套模型，以算出標的上漲或下跌的概率，並生成投資組合和調倉策略。隨著近幾年人工智慧興起，不少人開始選用機器學習等方式，輸入眾多因子，讓AI自己生成策略。
創始人兼CEO龐表示，的做法則不同，是用神經管網路替代原來用邏輯和策略構建的數學模型，通過輸入股票相關數據，利用訓練不同結構的神經網路來實現機器自主的量化交易。想做量化交易界的Deepmind（研發阿爾法狗的團隊），成為中國的基金。
目前，的首個產品A股機器人「狗」已上線，應用於國內二級市場的投資，產品已實盤測試8個月。數據顯示，狗實盤業績顯著，在2017年11月A股普跌的情況下(中證1000跌幅超4%)，狗依然實現了5.23%的收益，最大回撤控制在2.7%，並在2018年1月底上證指數大跌12%的情況下，智富狗做到了提前清盤避險，業績明顯優於大盤。
投資人黃表示：「人工智慧是非常好的提高效率的方式，非常關注人工智慧在各個領域的應用，我們認為以為代表的、基於神經網路的人工智慧量化交易平台，能極大地提高大型的高頻交易的效率。人的精力有限，一個再好的操盤手也不可能同時看2000支股票，但機器能輕易辦到。」
㈤ 在股市投資中，什麼能稱得上是量化投資
量化交易是利用數學、統計、計算機的模型和方法來指導在金融市場的交易，可以自動下單業可以半自動下單，這個不是核心，核心在於是不是系統化交易（systematic trading）。
比如主觀交易會看K線交易，量化交易業會，但區別在於量化交易可以在歷史數據上回測各種交易規則，找到表現好的，然後才用來交易。這或許會有過度擬合的風險，但也有一些方法克服。
本人認為"量化交易系統、指標體系交易系統"均為"技術分析系統"的子集，"量化交易系統"與“指標體系系統"等價，即技術分析的概念更廣，因波浪理論屬於技術分析，但難說它屬於量化交易，因有些事情的"量化"有很高難度，量化交易強調必須精準量化，必須能用指標體系表示，必須能精確的歷史數據回測。
㈥ 股市中的量化交易是什麼意思呢
量化交易（quantitative Trading）是利用數學、統計、計算機的模型和方法來指導在金融市場的交易，可以自動下單業可以半自動下單，這個不是核心，核心在於是不是系統化交易（systematic trading）。
比如主觀交易會看K線交易，量化交易業會，但區別在於量化交易可以在歷史數據上回測各種交易規則，找到表現好的，然後才用來交易。這或許會有過度擬合的風險，但也有一些方法克服。
量化交易雖然有很多優點，但是真的能戰勝市場，並且保證勝率，我覺得很難說。
㈦ 什麼是量化對沖基金
你好，對沖基金是投資基金的一種形式,意為「風險對沖過的基金」。對沖是一種旨在降低風險的行為或策略。對沖基金起源於
最基本的對沖操作中,基金經理在買入一隻股票後,同時買入這只股票一定價位和時效的看跌期權。其作用在於,若期權到期時股票價格跌破期許可權定價格時,基金經理可以將股票以期權的限定價格賣出,從而對沖了股票價格下跌的風險。在另一類基本對沖操作中,基金經理首先選定某類行情看漲的行業,買進該行業幾只優質股,同時以一定比率賣出該行業中幾只劣質股。這樣組合的結果是,如果行業表現良好,買多的優質股的收益會大於賣空劣質股的損失;如果該行業行情下跌,劣質股跌幅必高於優質股,因此賣空的劣質股的收益也會高於持倉優質股股價下跌的損失。目前常見的對沖策略有:股票多空策略、市場中性策略、CTA(管理期貨)、宏觀對沖策略、事件驅動策略以及各類套利策略等。
對沖基金往往通過做空股指期貨來去除投資組合收益受到市場整體波動的影響,最小化系統性風險,最大化與市場無關的絕對收益。因此,不同於其他基金以大盤股指為業績比較基準,對沖基金的業績比較基準通常為絕對值,例如「一年定存+3%」、「一年定存+4%」等,凸顯其絕對收益的特性。
量化投資是指藉助統計方法、數學模型來指導投資。量化投資通過運用計算機從海量歷史數據中尋找能夠帶來超額收益的多種「大概率」策略,並嚴格按照這些策略所構建的數量化模型來指導投資,力求取得穩定的、可持續的、高於平均的超額回報,其本質是定性投資的數量化實踐。量化投資會運用到數據挖掘、機器學習、神經網路等最前沿的數學演算法建模,來對行業、個股等進行預測。用量化的分析手段進行對沖操作的基金,就是量化對沖基金。演算法和模型是量化對沖基金的關鍵所在,因此國際上知名的量化對沖基金公司中往往有許多統計學、數學、計算機等科學領域的技術人才,為其量化模型提供強大的理論和技術支持。
㈧ 量化交易主要有哪些經典的策略
量化選股之多因子選股模型
量化擇時--雙均線（MA）、DMA、TRIX、MACD擇時
量化擇時--PE擇時
還有趨勢型，網格型，剝頭皮，概率法則，高頻交易，神經網路，基因演算法
㈨ 股票技術指標肯定趕不上量化分析指標的參數函數落後趕不上量化分析的神經網路自我學習
㈩ 《Python與量化投資從基礎到實戰》pdf下載在線閱讀，求百度網盤雲資源
《Python與量化投資》（王小川）電子書網盤下載免費在線閱讀
資源鏈接：
鏈接：
書名：Python與量化投資
作者：王小川
豆瓣評分：6.8
出版社：電子工業出版社
出版年份：2018-3
頁數：424
內容簡介：
本書主要講解如何利用Python進行量化投資，包括對數據的獲取、整理、分析挖掘、信號構建、策略構建、回測、策略分析等。本書也是利用Python進行數據分析的指南，有大量的關於數據處理分析的應用，並將重點介紹如何高效地利用Python解決投資策略問題。本書分為Python基礎和量化投資兩大部分：Python基礎部分主要講解Python軟體的基礎、各個重要模塊及如何解決常見的數據分析問題；量化投資部分在Python基礎部分的基礎上，講解如何使用優礦（uqer.io）回測平台實現主流策略及高級定製策略等。
本書可作為專業金融從業者進行量化投資的工具書，也可作為金融領域的入門參考書。在本書中有大量的Python代碼、Python量化策略的實現代碼等，尤其是對於量化策略的實現代碼，讀者可直接自行修改並獲得策略的歷史回測結果，甚至可將代碼直接實盤應用，進行投資。
作者簡介：
王小川，華創證券研究所金融工程高級分析師，國內知名MATLAB、Python培訓專家，MATLABSKY創始人之一，人大經濟論壇CDA課程Python金牌講師。從事量化投資相關的工作，承擔了部分高校的統計課程教學任務，長期研究機器學習在統計學中的應用，精通MATLAB、Python、SAS等統計軟體，熱衷於數據分析和數據挖掘工作，有著扎實的理論基礎和豐富的實戰經驗。著有《MATLAB神經網路30個案例分析》和《MATLAB神經網路43個案例分析》。
陳傑，華創證券研究所金融工程團隊負責人，擁有CFA、FRM資格。從2009年開始從事量化開發工作。在入職華創之前，曾擔任申萬宏源研究所金融工程首席分析師。
盧威，華創證券研究所金融工程分析師，前優礦網量化分析師，為優礦網資深用戶，在優礦網分享過多篇高質量的量化研究報告，擅長使用Python進行量化投資研究。
劉昺軼，上海交通大學工學碩士，研究方向為斷裂力學、流體力學，擅長Python編程、統計建模與Web開發，現為量化投資界新兵，正在快速成長。
秦玄晉，上海對外經貿大學會計學碩士，有兩年量化投資經驗，研究方向為公司金融。
蘇博，上海財經大學金融信息工程碩士，主要研究方向為金融大數據分析。
徐晟剛，復旦大學西方經濟學碩士，數理功底深厚，熱愛編程與策略研究，精通Python、MATLAB等編程語言，有3年金融工程策略研究經驗，擅長擇時和事件類策略。