多因子认证是在单因子认证不足以保证安全性时使用的方法，通常会引入多种方式对用户身份进行验证。身份验证方法可以基于知识的认证，即密码；也可以基于物品的认证，例如硬件密钥；也可以是基于特征的认证，例如包含指纹在内的生物特征等。
具体来说，目前常用的生物特征有：指纹、人脸、虹膜、静脉、声纹、体态等。常用的评价指标主要是速度（注册、识别使用的时间），精确度（假阳性、假阴性）等。
1，MFA介绍Multi-Factor Authentication (MFA), 多重要素验证，又译多因子认证、多因素验证、多因素认证，是一种电脑访问控制的方法，用户要通过两种以上的认证机制之后，才能得到授权，使用电脑资源。例如，用户要输入PIN码，插入银行卡，最后再经指纹比对，通过这三种认证方式，才能获得授权。这种认证方式可以提高安全性。 多重要素验证的概念也广泛应用于计算机系统以外的各领域。
一、概述双因子认证（Two-factor authentication，也叫2FA），是一种通过组合两种不同的验证方式进行用户身份验证的机制。Google在2011年3月份，宣布在线上使用双因子认证，MSN和Yahoo紧随其后。双因子认证，除了需要验证用户名密码外，还要结合另外一种实物设备，如Rsa令牌，或者手机。 双因子认证的产品大致可以分成两类：可以产生token的硬件设备 智能手机的ap
# MFA多因子认证配置 Keycloak 是一个开源的身份和访问管理解决方案，支
原创
2023-07-29 03:36:47
395阅读
信息具有时间维度信息是具有时间维度的,以不同速度到达的信息,将在不同长短的时间区间内具有其相应的价值,某些信号可能在发出的瞬间同时也失去其价值,而某些信号可能在随后的一两年期间依然保持较大的信息量,某些情况下,新老消息的组合要比单独的信消息更具有价值。信息与时间的互动就好比人们在挑选食物一样:蔬菜越新鲜越好,而陈年老酒则更加有味道,雪利(Sherry)则多种年份混合品尝效果更佳!Alpha因子存在
作者：chen_h 介绍我们在前面的章节中，我们了解到资本资产定价模型（CAPM）将市场回报视为影响任何资产回报的唯一因素。本章将 CAPM 概括为以下形式的多因素模型：其中每个 Fama-French 三因子模型这个模型是由 Eugene Fama 和 Kenneth French 于 1993 年提出来描述股票收益的。具体三因子模型数学表述如下：其中，MKT 是市场的超额回报。这是在美国注册并
转载
2023-07-31 22:54:23
0阅读
机器学习多因子策略标签（空格分隔）： 量化交易 机器学习前言在二级市场的量化策略中，多因子策略称得上是最早被创造但是同时也是变化最多的投资策略之一，好的因子意味着长期稳定的收入，多因子策略可以通过不同的渠道来实现，从而带来不同的市场表现传统使用的多元线性回归模型能够获得多因子与股价之间的一定的对应关系，但是在有的时候不够稳定机器学习在预测和分类中具有良好的表现，传统的多因子线性回归模型也证明了多个
大家好，今天讲一下数据分析中的因子分析。因子分析是主成分分析的推广和发展，是将具有错综复杂关系的变量综合为少数几个因子，以再现原始变量与因子之间的相互关系；根据不同的因子还可以对变量进行分类，也属于多元分析中降维处理的一种统计方法。例如，一个学生的英语、数学、语文成绩都很好，那么潜在的共性因子可能是智力水平高。因此，因子分析的过程其实就是寻找共性因子和个性因子并得到最优解释的过程。一、参数估计1.
转载
2023-07-28 14:35:30
247阅读
浅谈多因子进化算法（Multifactorial Evolutionary Algorithm）前言 多因子进化算法是多任务进化算法的一种范式，旨在利用单个种群来同时解决多个优化任务，是南洋理工大学的Yew-Soon Ong教授于2016年提出来的[1]，简称MFEA（或MFO，Multifactorial Optimization）。MFEA利用的是基于种群搜索的隐式并行性，尝试去发掘不同任务
Fama-French三因子选股策略，三因子分别为 市场因子(股指)、市值因子、账面市值比因子三因子模型的具体步骤：1.对股票按照市值和账面市值比分组，共计六组，市值按大小市值各50%分，账面市值比按3:4:3=H:M:L分配（因为账面市值比的作用更强，所以分得更细一点）2.计算股票市场每天的SMB、HML，按日期循环生成3.找出个股的涨跌幅（如茅台）以及股指的涨跌幅4.按日期合并以上
一、什么是多因子模型？寻找那些对股票收益率最相关的影响因素，使用这些因素（因子或指标）来刻画股票收益并进行选股。核心思想在于，市场影响因素是多重的并且是动态的，但是总会有一些因子在一定的时期内能发挥稳定的作用。二、理论背景证券组合超额收益=alpha + beta*市场组合超额收益马科维茨论文：开创性地引入了均值和方差来定量刻画股票投资的收益和风险（被认为是量化交易策略的鼻祖），建立了确定最佳资产
本系列文章将会介绍如何使用DolphinDB优雅而高效的实现量化交易策略回测。本文将介绍在华尔街广泛应用的多因子Alpha策略的回测。多因子模型是量化交易选股中最重要的一类模型，基本思路是找到某些和回报率最相关的指标，并根据这些指标，构建股票投资组合（做多正相关的股票，做空负相关的股票）。多因子模型中，单独一个因子的个股权重一般实现多空均衡（市场中性），没有暴露市场风险的头寸（beta为0，所以称
技术讨论，不构成任何投资建议！一、CAPM的不足与三因子模型的诞生CAPM模型经历了大量的实证和应用之后，有证据表明，市场风险溢酬并不能充分解释个别风险资产的收益率。于是很多研究者开始探索其他的因素，比如公司市值、PE、杠杆比例、账面市值比等。Fama和French两个人对于各种因素进行了全面的组合分析，当单独使用Beta或者用Beta分别与其他几个因子相结合时，Beta的解释能力很
转载
2023-07-02 11:38:30
403阅读
多因子模型梗概股票收益受到多重因素的影响，比如宏观、行业、流动性、公司基本面、交易情绪等等。多因子模型就是寻找那些和股票收益率最相关的影响因素，把这些因素组合起来刻画股票收益并据此进行选股。在市场无效或弱有效的假设下，多因子模型通过主动投资组合管理来获取超额收益。其核心思想在于市场影响因素是多重的并且是动态的，但是总会有一些因子在一定的时期内能发挥稳定的作用。在量化实践中，由于不同市场参与者或分析
转载
2023-08-13 12:45:02
0阅读
大致思路：从06年开始提取股票数据，到11年结束，为历史数据期，然后从12年到13年10月为回测期间。开始每月调整权重。本文分为三部分1. 因子设计2. 数据整理思考了一下，还是放弃大矩阵的思想。在R里面要多利用神奇的Vector和data frame啊。做成单因子data frame。3. 回归分析因子的处理本来就很奇葩了，还要价格回归价格，略蛋疼。 =======神奇的分割线====
引言即使风格相似、收益表现相似的组合，其收益来源也可能不尽相同，通过业绩归因，能够更加清楚组合的收益究竟来源于什么，进而知道这种获取超额收益的能力是否能够持续，也能够明白组合发生剧烈波动的原因，从而改进策略。下面将介绍两种常用的业绩归因方法。1、Brinson收益分解Brinson 模型是最常用的绩效分解模型，由Brinson 和Fachler 在论文《Measuring Non−US Equit
写在前面 本科就有接触过使用SAS实现Fama French三因子模型，那时对于各种构造方法不慎了解，基本是老师说一步，自己做一步。学习Python也挺久的了，也做过一些其他数据科学的项目，但是与学术相关甚少；半年前，看到了大佬的文章（股票多因子模型的回归检验），就想通过自己收集数据，用Python代码实现一次多因子定价模型，由于各种原因拖到了暑假。这篇文章就当是交作业，一来是进一步熟
量化投资 第二章 基本面选股：多因子模型，风格轮动模型，行业轮动模型 市场行为选股：资金流模型，动量反转模型，一致预期模型，趋势追踪模型，筹码选股模型 量化选股业绩：收益率+风险指数 2.1 多因子模型 打分法：各个因子按大小打分，加权后得到总分。分为静态加权和动态加权。 优点：比较稳健，不受极端值影响 回归法：用过去股票的收益率对多因子进行回归得到回归方程，把新的因
转载
2023-07-03 10:21:13
125阅读
Fama-Macbeth回归及因子统计引言本文介绍的因子统计方法基于1973年Fama和Macbeth为验证CAPM模型而提出的Fama-Macbeth回归，该模型现如今被广泛用被广泛用于计量经济学的panel data分析，而在金融领域在用于多因子模型的回归检验，用于估计各类模型中的因子暴露和因子收益（风险溢价）。Fama-Macbeth与传统的截面回归类似，本质上也与是一个两阶段回归，不同的是
