xiaotfeng Goto Github PK

2018-ccf-bdci--top3

参赛者需要根据给出的基金净值、基金业绩比较基准、对应指数行情、基金间相关性等数据，构建模型、算法进行训练。

analysis

组合分析

assetallocation

资产配置，BL模型和风险平价模型

awesome-python-cn

Python资源大全中文版，包括：Web框架、网络爬虫、模板引擎、数据库、数据可视化、图片处理等，由伯乐在线持续更新。

awesome-quant

**的Quant相关资源索引

awesome-quant-machine-learning-trading

Quant/Algorithm trading resources with an emphasis on Machine Learning

barra

Barra Multifactor Model

barra-risk-model

barra_cne5

Provide risk forecasts by Barra China Equity Model

barra_model

This is an internship project aiming to make Attribution Analysis for general equity funds in China market

barra_model-1

test pycharm upload code

barra_risk

A risk evaluation program that follows BARRA's CNE6 and USE4 risk model to predict the risk and distribution of factors in a portfolio. Created by Rosemary He Sept. 2019, under Zhiqiang Zhang.

barrastep

bl_code

BL模型实现程序，附使用手册

black-litterman-model

使用Python复现Black-Litterman模型。Black-Litterman模型创造性地采用贝叶斯方法将投资者对预期收益的主观看法与资产的市场均衡收益相结合，有效地解决了Markowitz均值-方差模型中投资者难以准确估计各个投资品种预期收益率、以及其权重对预期收益率的极度敏感性这两大问题。本项目使用美国市场2009年-2019年十年间的10只股票数据进行回测，证明了合理观点对资产组合收益率具有显著的正面影响效果。

brinson-attribution

以wind为数据源的基金单期brinson业绩归因

brinson-model-mutiple

A multiple period Brinson Model written in Python

brinsonmodel

bt

bt - flexible backtesting for Python

c-binance-future-quant

低成本，高效率，简单实现的币安合约量化系统架构

campisi-fixed-income-performance-attribution-model

Campisi纯债型基金业绩归因模型程序，适用于**市场，需要有Wind的API接口权限

chinafundportfoliooptimization

Hold on a sec. Almost there!

codel

Codes

computational-finance

Some matlab script for the option pricing,Monte Carlo Simulation,and jump difussion detection and modeling

convertible_bond

calculate the return of some convertible bond trade strategy

convertible_bond-1

低风险投资之可转债 可转债量化分析

coursera-ml-using-matlab-python

coursera吴恩达机器学习课程作业自写Python版本+Matlab原版

cta_summary

Testing trading signals of commodity futures

dadengandhispython

【微信公众号：大邓和他的python】, Python语法快速入门https://www.bilibili.com/video/av44384851 Python网络爬虫快速入门https://www.bilibili.com/video/av72010301, 我的联系邮箱[email protected]

datafountain_fund-correlation-forecast_top10

参赛者需要根据给出的基金净值、基金业绩比较基准、对应指数行情、基金间相关性等数据，构建模型、算法进行训练。然后针对大赛提供的测试样本，通过算法或模型预测出之后一段时间内基金间的相关性情况。