参考书目:深入浅出Python量化交易实战在机器学习里面的X叫做特征变量，在统计学里面叫做协变量也叫自变量，在量化投资里面则叫做因子，所谓多因子就是有很多的特征变量。本次带来的就是多因子模型，并且使用的是机器学习的强大的非线性模型，集成学习里面的随机森林和LGBM模型，带来因子的选择策略和股票的选择策略。由于股票数据的获取都需要第三方库或者是专业的量化投资框架，很多第三方库
转载
2024-02-26 20:56:11
34阅读
创建自定义因子选股策略使用`qteasy`创建自定义因子选股交易策略开始前的准备工作本节的目标Alpha选股策略的选股思想计算选股指标用`FactorSorter`定义Alpha选股策略交易策略的回测结果用`GeneralStg`定义一个Alpha选股策略回测结果：本节回顾 使用qteasy创建自定义因子选股交易策略qteasy是一个完全本地化部署和运行的量化交易分析工具包，Github地址在这里
哈喽，大家好，我是木头左！多因子选股策略是一种基于多个财务指标来筛选股票的方法。这种策略认为，通过综合考虑多个因素，可以更全面地评估一家公司的价值和盈利潜力。 感兴趣的朋友，共同交流！策略的基本原理在本策略中，我们选择了市值、利润、现金流和负债四个指标来计算股票的排名。市值反映了公司的规模，利润代表了公司的盈利能力，现金流显示了公司的流动性，而负债则揭示了公司的财务风险。股票池的构建我们的目标是选
原创
2024-05-20 20:58:26
145阅读
Python量化择时的技术指标函数
技术指标通过对原始数据（开盘价、收盘价、最低价、最高价、成交量、成交金额、成交笔数）的处理，来反映出市场的某一方面深层的内涵，这些内涵是很难通过原始数据直接看出来的。技术指标能客观地反映某些既成过去的事实，将某些市场的数据形象化、直观化，将某些分析理论数量化和精细化。
量化择时概述
量化择时是指利用数量化的方法，通过各种技术分析的量化分析，找到自选股中的股票的买
原创
2024-05-04 08:01:24
282阅读
量化择时是指利用数量化的方法，通过各种技术分析的量化分析，找到自选股中的股票的买点和卖点时机。在各种技术分析中，技术指标是非常重
原创
2024-05-13 10:52:29
11阅读
作者：Cameron Shadmehry从统计上来说，如果您盲目地使用相同的技术指标来处理不同的股票，那么通过抛硬币，你或许有更好的运气。图说：颜色表示MACD预测价格走势的准确性，而大小表示记录的交叉量。MACD技术指标的准确性非常不稳定，取决于所观察到的库存，它经常跌至50％以下。对于积极利用MACD指标的股票交易者，必须了解每种股票对MACD的敏感性。该代码将使投资者能够确定哪些股票对MAC
转载
2024-02-07 23:10:18
11阅读
Ch5 量化择时策略 量化择时策略，就是采用数量化分析方法，利用单个或多个技术指标的组合，来对交易标的股票或股票指数进行低买高卖的操作，期望获得超越简单买入持有策略的收益风险表现。 量化择时策略的核心是技术分析，更准确地来说，是客观型技术分析。客观型技术分析，是指其分析过程中所用到的分析方法，具有100%客观的定义标准，不含有任何主观定义的部分。5.1 量化择时的策略常见的客观性技术分析有：均
原创
2024-01-29 11:11:33
147阅读
一、python版本的选择：1、2.x or 3.x?简单翻译下：2.x已经成为过去式，3.x是未来的选择Python2.7成为2.x系列最后一个版本，之后将不会发布稳定的版本Python3.0发布于2008年，已经发布超过五年的稳定版本，如2012年的3.3版本、2014年的3.4版本、2015年的3.5版本以及2016年的3.6版本。这意味着最近的修改的标准库仅支持Python3.x.Guid
转载
2017-11-28 15:10:00
64阅读
研报点评该研报以CAPM为其金融逻辑对全市场进行择时，其预测逻辑为：全市场风险溢价具有持续性（动量），短期市场收益率虽然有波动，但是中期来看，一般会集聚地保持正溢价一段时间，然后切换。
原创
2021-07-10 16:31:48
10000+阅读
绩效点评该策略未进行参数优化时，已经表现较好，为了稳健性，我们将其信号再次滞后一阶，虽然业绩出现大幅下滑，但是仍然可以看出是一个向上的趋势。以每周 5 个交易日，每月 4 个交易周为假设，我们以万得全 A 为市场指数，分别计算中信一级行业指数的 29 个行业两年左右（ 96~104 周） 的贝塔。得到贝塔后，我们对 29 个行业每周的收益率和贝塔计算Spearman 秩相关系数 。我们观察Spearman 秩相关系数的时间序列、分布后，决定采用4周滚动平滑处理Spearman 秩相关系数，降低其切换.
原创
2021-05-20 21:51:45
159阅读
研报点评该研报以CAPM为其金融逻辑对全市场进行择时，其预测逻辑为：全市场风险溢价具有持续性（动量），短期市场收益率虽然有波动，但是中期来看，一般会集聚地保持正溢价一段时间，然后切换。对此，只要估计出前期市场期望溢价是否为正，即可买入。本文逻辑较为通顺，但是也较为简单，采用了比较“炫的”beta与收益率是否有正相关（spearman系数）来衡量，直白来看，类似过去N日市场平均收益率是否大于0，大于0即买入。但是本文的角度和平滑方法值得思考，具有启发意义。资本资产定价模型 (Capital Asset.
原创
2021-05-20 21:51:47
159阅读
第十四章：主成分和因子分析本章内容主成分分析探索性因子分析其他潜变量模型主成分分析（PCA）是一种数据降维技巧，它能将大量相关变量转化为一组很少的不相关变量，这些无关变量称为主成分。探索性因子分析（EFA）是一系列用来发现一组变量的潜在结构的方法。它通过寻找一组更小的、潜在的或隐藏的结构来解释已观测到的、显式的变量间的关系。PCA与EFA模型间的区别主成分（PC1和PC2）是观测变量（X1到X5）
转载
2024-06-10 18:10:24
58阅读
因子分析（factor analysis）一、概述二、因子分析与主成分对比三、因子分析原理四、因子分析模型的假设五、因子载荷矩阵的统计意义六、因子模型的性质七、参数估计七、因子旋转方法八、因子得分九、数据检验9.1 KMO检验9.2 巴特利特球形检验9.3 碎石检验十、应用十一、实现步骤流程及示例分析十二、python实现因子分析 本文参考数学建模清风老师课件编写。 一、概述因子分析由斯皮尔曼
转载
2023-07-05 13:54:29
1573阅读
a、b只要数字a能被数字b整除，不论b是不是质数，都算是a的因子。比如：8的质因子是 2, 2, 2，但8的因子就包括 1,2,4。import math
for i in range(2, 1000):
factors = [] #因子列表，i 每次循环都清空
for j in range(1, math.floor(i/2)+1):
if i%j == 0
转载
2023-05-28 16:03:08
84阅读
因子分析用Python做的一个典型例子一、实验目的采用合适的数据分析方法对下面的题进行解答二、实验要求采用因子分析方法，根据48位应聘者的15项指标得分，选出6名最优秀的应聘者。三、代码importpandas aspd
importnumpy asnp
importmath asmath
importnumpy asnp
fromnumpy import*
fromscipy.stats imp
转载
2024-08-05 09:13:14
48阅读
NO：01「我们所经历的上个世纪反复证明，市场的非理性是周期性爆发的。这强烈暗示投资者应尽力去学会应对下一个市场的非理性爆发。而这需要的是一剂解毒剂，我认为这剂解毒剂就是量化分析。如果你定量分析，你并不一定会出色，但是你也不会坠入疯狂。」换句话说，量化择时可以根据：市场整体择时、板块行业轮动择时及个股的择时。那么，如果能选择牛市、规避熊市，将能够获得非常高超额收益。尤其是在系统性风险较高、波动性比
原创
2018-09-14 10:22:42
2105阅读
根据上节什么是因子分析的表4回归分析结果求回归方程（方程1）。这里使用上节表4下方的“系数”值求解和学习预测和因子分析。方程1接下来，用回归方程进行预测。此处的数据（N0.336-340）不用于回归分析，而是专门用于预测与检验（表1）。表1预测No.336如下：No.336的预测值=265.95+0+20.91+0+58.04+10.94+（-3.37）*45+6.74*3+84.72*4.5≈6
转载
2023-09-28 10:18:03
93阅读
1104: 求因子和（函数专题） 时间限制: 1 Sec 内存限制: 128 MB 提交: 11793 解决: 8845 [状态] [讨论版] [提交] [命题人:admin] 题目描述 输入正整数n（2<=n<=1000），计算并输出n的所有正因子(包括1，不包括自身)之和。要求程序定义一个FacSum ()函数和一个main()函数，FacSum ()函数计算并返回n的所有正因子之
转载
2023-05-27 22:37:46
121阅读
质因子分解 要做质因子分解，首先需要明白什么是质数，以及如何快速判断质数。质数质数，也称素数，是只能被1和其本身整除的数，规定1不是质数。 def isPrime(n: int) -> bool:
if n <= 3:
return n >= 2
if (n + 1) % 6 != 0 and (n - 1) % 6 != 0:
转载
2024-01-15 21:02:47
64阅读
将数字乘以顺序,for i in range(1, n + 1):
r *= i
return r很快就会产生一个很大的数字(如数万个比特),然后你就会有一个很大的数字和一个小数字的乘法.其中至少有一个因素很大的乘法很慢.例如,通过减少涉及大数的乘法次数,可以大大加快速度def range_prod(lo,hi):
if lo+1 < hi:
mid = (hi+lo)//2
return
转载
2023-07-01 17:56:55
102阅读
