聚类分析是一种无监督学习法，它将数据点分离成若干个特定的群或组，使得在某种意义上同一组中的数据点具有相似的性质，不同组中的数据点具有不同的性质。聚类分析包括基于不同距离度量的多种不同方法。例如。K均值（点之间的距离）、Affinity propagation（图之间的距离）、均值漂移（点之间的距离）、DBSCAN（最近点之间的距离）、高斯混合（到中心的马氏距离）、谱聚类（图之间距离）等。所有聚类法

一、为什么要实现自动化交易在瞬息万变的金融市场中，越来越多的散户投资者开始尝试构建自己的交易策略：有人通过技术指标捕捉趋势突破，有人利用基本面分析挖掘低估标的，还有人设计出复杂的网格交易或均值回归模型。然而，一个残酷的现实是——。也许你会说我可以手动下单进行交易，作者本人亲自实验表明手动交易会有很多意想不到的情况出现。许多短线策略需要全天候盯盘（如分时均线突破、盘口挂单监测），但散户难以像职业交易

​在进行资产配置时，假如我们已经通过一系列的操作选定了5只股票进入我们的股票池，下一步应该就是要确定每只股票各要购买多少，即确定最终购买股票的权重，这就出现了一个最优化问题。通常在这个问题背景下，我们会提出一些诸如最大化收益、最小化标准差或方差的优化目标，并且常常伴随着一些优化约束，例如股票不允许卖空，某只股票的最高持股比例不超过50%，组合的波动率不超过组合内股票的波动率平均值等。例如诺贝尔经济

基于聚宽实现基本面多因子选股+技术指标择时策略；***尚未更新完全

北交所股指【北证20】编制流程与Python实现。文章目录文章目录前言一、股指构建流程二、Python实现1.引入库2.绘制K线图函数3.从含有多个股票数据的面板中抽取出某个股票的数据函数4.判断调整股本系数函数5.成分股筛选函数6.股指计算函数（加权计算公式）7.调用函数实现功能总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开

一、为什么要实现自动化交易在瞬息万变的金融市场中，越来越多的散户投资者开始尝试构建自己的交易策略：有人通过技术指标捕捉趋势突破，有人利用基本面分析挖掘低估标的，还有人设计出复杂的网格交易或均值回归模型。然而，一个残酷的现实是——。也许你会说我可以手动下单进行交易，作者本人亲自实验表明手动交易会有很多意想不到的情况出现。许多短线策略需要全天候盯盘（如分时均线突破、盘口挂单监测），但散户难以像职业交易

使用聚宽环境实现了净利润跳空的量化交易策略。

日历效应（Calendar Effect）是指在特定的日期或时间段内，金融市场或经济活动中出现的统计上的规律或周期性现象。这些规律可能与特定日期、星期几、月份或季节等时间因素有关。根据众多研究者多年的研究总结，我们可以将日历效应划分为区间日历效应和时点日历效应两种。在这篇报告中我们将梳理关注度较高的日历效应，并总结每一个日历效应的重要属性，随后进行风格、行业和个股的日历效应梳理，接着基于日历效应建

本文主要记录一些在工作中经常能用到的excel技巧，能够帮助我们提高工作效率。在文章的最后还会通过几个实战例子来加深大家的理解。建议把本文作为备查文，不需要在阅读本文的当下就将这些技巧掌握，只需了解，哪些东西通过excel是能够做到的，再实际工作中遇到问题的时候再来查阅。【不要被vba吓到，配合chatgpt，每一个没有学过代码的人都能够搞定80%的vba编写宏的需求！】

聚类分析是一种无监督学习法，它将数据点分离成若干个特定的群或组，使得在某种意义上同一组中的数据点具有相似的性质，不同组中的数据点具有不同的性质。聚类分析包括基于不同距离度量的多种不同方法。例如。K均值（点之间的距离）、Affinity propagation（图之间的距离）、均值漂移（点之间的距离）、DBSCAN（最近点之间的距离）、高斯混合（到中心的马氏距离）、谱聚类（图之间距离）等。所有聚类法