好久没更，最近实在发生了太多的事情，人艰不拆。很久之前我们聊到因子库的搭建与基本面因子的一些计算。这节主要讲基本面因子分析框架的搭建，为最后的决策的使用提供一个参考（为最后拍脑袋给权重提供一个依据）。这里的分析主要还是针对基本面因子，技术因子的分析是另一个框架，因为技术因子的衰减比较快，分析的角度也会不一样。1. 需要的数据既然是分析基本面因子，我们分析的频率不需要那么高，可以放宽到
转载
2023-12-21 10:44:50
255阅读
多因子如何回测 Python
## 引言
多因子模型是量化投资中的重要方法之一，通过选择和组合多个因子来进行投资组合的构建和优化。在实际应用中，我们需要对多因子模型进行回测，以评估其效果和稳定性。本文将介绍如何使用 Python 进行多因子回测，并提供代码示例。
## 问题描述
假设我们有一个多因子模型，其中包含三个因子：市盈率（PE）、市净率（PB）和市值（Market Cap）。我们希
原创
2024-01-15 05:07:51
655阅读
多因子选股 Python 回测的描述
在量化投资领域，多因子选股策略因其优秀的风险收益特性而备受关注。通过综合考虑多个影响因素，投资者可以构建出更加稳健的投资组合。随着 Python 逐渐成为数据科学和金融分析的主流语言，搭建多因子选股框架并进行回测变得尤为重要。在本篇博文中，我将详细阐述多因子选股的 Python 回测过程，包括背景定位、核心维度、特性拆解、实战对比、选型指南以及生态扩展。
金融是我最头疼的科目，监督自己坚持学下去！多因子选股策略理论多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票被买入，不满足的股票被卖出。例如，当很多投资者认为低市盈率（PE，公司市值/净利润）的价值型股票是好的投资标的时，他们纷纷买入低PE的股票，会使得该股票的价格上涨，这样就使得低PE的这个因子的有效性得到体现。实际上，并不是低市盈率就一定好，因为
转载
2023-10-02 08:12:12
14阅读
# Python多因子选股回测代码科普
在量化投资中，多因子选股策略是一种常见的方法，通过多个因子的综合评分来筛选股票。此方法可以帮助投资者提高选股的准确性，经过历史数据的回测，能够验证策略的有效性。本文将为您介绍如何使用Python实现多因子选股回测，并提供相关代码示例。
## 多因子选股的基本概念
多因子选股的核心思想是，选取多个因子作为股票表现的预测变量，比如市盈率、净资产收益率、营业
学习目标目标
知道多因子策略的购买资金比例以及调仓周期定义回测区间定义筛选出的因子以及因子的方向比较股票分组和因子方向得出因子打分应用因子得分的方向实现股票选择定义筛选的因子说明回归法因子权重的建立公式应用回归法训练实现历史测试区间因子的权重系数计算应用因子权重系数实现回测区间的股票收益率预测一、回测内容确定在多因子策略当中，选股通过因子选择，那么怎么结合筛选出来的多个因子来去选择某些股票二
原创
2023-01-12 06:25:08
1369阅读
一、案例说明1.案例说明研究短视频平台进行品牌传播的关系情况，品牌维度分为品牌活动，品牌代言人，社会责任感和品牌赞助共4项。还有购买意愿数据。案例数据中还包括基本个体特征比如性别、年龄，学历，月收等。以及短视频平台观看情况和消费情况。数据样本为200个。2.分析目的先通过因子分析，用少量因子反映分析题目的信息，从而达到降低维度，便于分析的目的，然后对因子命名用于回归分析。研究品牌四个维度对于购买意
转载
2023-10-31 19:55:20
130阅读
实现单因子回测框架 Python
作为一名经验丰富的开发者，我将为你介绍如何实现基于 Python 的单因子回测框架。在开始之前，我们先来了解一下整个流程。下面是一个简化的流程图：
```mermaid
stateDiagram
[*] --> 数据准备
数据准备 --> 数据清洗
数据清洗 --> 因子计算
因子计算 --> 分组回测
分组回测 -->
原创
2024-01-30 08:36:53
678阅读
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
转载
2021-02-09 19:55:34
693阅读
2评论
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
原创
精选
2020-12-14 14:46:51
2517阅读
# 因子回测与 Python 的应用
因子回测是量化投资中的一个重要环节，其目的是检验投资因子在历史数据上的有效性。因子回测不仅可以帮助投资者理解某一因子的表现，还可以为未来的投资决策提供支持。在这篇文章中，我们将探讨如何使用 Python 来进行因子回测，并通过代码示例和可视化效果加深理解。
### 什么是因子？
因子是用来解释资产收益的变量，常见的因子包括市盈率（PE）、市场价值、动量、
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
6阅读
作者：徐杨自从各种因子不断被学者挖掘出来后，时间和市场表现都证实了因子投资（Factor Investing）的价值，但是因子投资的表现不是免费的午餐，比如价值、动量、质量等因子都有长期跑不赢大盘的时候。我也曾用实证数据验证过因子投资对增强资产配置总体回报的作用，写了几篇关于因子投资的文章。因子投资在国外已经有了较为广泛的使用，特别是以AQR、Research Affiliates为首的学术派资产
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
289阅读
刚才我
原创
2023-01-12 06:23:34
610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
转载
2024-02-14 19:24:07
54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
转载
2023-10-02 21:12:44
21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
转载
2023-12-02 15:19:35
231阅读
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
转载
2023-10-23 22:59:01
4阅读
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
510阅读
