工具介绍在构建模型之前，首先介绍所需的工具。import pandas as pd
import tushare as ts
pro = ts.pro_api()
import statsmodels.api as sm这里需要用到的是python中的pandas和statsmodels模块，分别用于数据处理和做多元回归。 另外，还需要获取股票和指数的各项数据，这里所用到的是tushare，tus
转载
2023-10-31 23:25:49
22阅读
今天我们来介绍Fama-French三因子模型。什么是Fama-French三因子？Fama French三因子模型是对CAPM模型的一个扩展。CAPM模型认为：（1）证券资产的预期收益和它的市场Beta之间存在一个正向的线性关系，Beta越大，资产的预期收益越大；（2）市场Beta足以解释证券资产的预期收益。Eugene Fama和Kenneth French，两位来自芝加哥大学的教授（Fren
转载
2024-04-02 07:04:45
33阅读
Python量化：如何利用tushare构造FF三因子模型？FF三因子模型介绍代码实现从tushare调取数据利用数据构建因子总结 笔者是一枚大二菜狗，最近刚上完学院开的python金融量化的选修课，挣扎了几日交完了课程作业，但总觉得有点白瞎了tushare的2000积分。最近刚好看了FF的三因子模型，于是便对着投资学课本与知乎试着用代码来构建FF的三因子。文章里不含对三因子模型的检验与回归，
转载
2024-04-22 21:32:16
243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
2024-05-10 10:19:55
102阅读
大家好，今天带给大家一篇金融模型方面的python应用文章，在这篇文章中将会给大家介绍pandas和statsmodels.api，此外还会介绍Fama-French三因子模型的理论知识。 目录Fama-French三因子模型理论知识模型介绍三因子构建方法理论假设统计假设Python实现第一部分：导入数据第二部分：计算三因子第三部分：拟合回归总结相关文章获取代码 Fama-French三因子模型理
转载
2023-12-04 20:26:15
33阅读
摘要及声明1：本文基于Fama—French和Pastor Stambaugh模型讨论A股垃圾公司数据对回报率计算的影响； 2：本文主要为理念的讲解，模型也是笔者自建，文中假设与观点是基于笔者对模型及数据的一孔之见，若有不同见解欢迎随时留言交流；3：笔者希望搭建出一套交易体系，原则是只做干货的分享。后续将更新更多内容，但工作学习之余的闲暇时间有限，更新速度慢还请谅解；4：本文主要数据通过
本文将说明金融数学中的R 语言优化投资组合，因子模型的实现和使用。具有单一市场因素的宏观经济因素模型我们将从一个包含单个已知因子(即市场指数)的简单示例开始。该模型为其中显式因子ft为S＆P 500指数。我们将做一个简单的最小二乘(LS)回归来估计截距α和加载β：大多数代码行用于准备数据，而不是执行因子建模。让我们开始准备数据：# 设置开始结束日期和股票名称列表
begin_date
end_d
提起DOE试验设计，就会有很多企业大呼：太难了，真的是这样吗？天行健总结多年辅导经验做以下分享：某大型化工厂DOE试验设计方案：1. 明确实验目的；2. 识别出输出变量，即确定CTQ，保证测量数据的可靠性是执行DoE的前提；3. 选择需要研究的因子，研发团队需要根据自己的专业知识确定出潜在的关键因子；4. 确定DoE的类型，由于DoE的类型各不相同，根据不同的目的可以选择不同类型的DoE，如果因子
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（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
转载
2024-01-07 21:07:32
15阅读
因子分析因子分析通过研究变量间的相关系数矩阵，把这些变量间错综复杂的关系归结成少数几个综合因子，由于归接触的因子个数少于原始变量的个数，但是他们又包含原始变量的信息，所以，这一分析过程也成为降维。 正常情况下，可以用主成分分析的模型都可以用因子分析来做。所以因子分析的应用城的更广。 两者的不同： 因子的线性组合构成指标。注意这里的未知数都是一个向量而不是标量。因子分析的实例： 将原来的是个指标变成
转载
2024-05-17 15:38:49
73阅读
因子分析在各行各业的应用非常广泛，尤其是科研论文中因子分析更是频频出现。小兵也凑个热闹，参考《SPSS统计分析》书中的案例，运用SPSS进行因子分析，作为我博客 SPSS案例分析系列 的第三篇文章。 【一、概念】 探讨具有相关关系的变量之间，是否存在不能直接观察到的，但对可观测变量的变化其支配作用的潜在因素的分析方法就是因子分析，也叫因素分析。通俗点：因子分析是寻
转载
2024-01-15 23:44:51
105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====
转载
2023-10-12 11:20:49
10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
19阅读
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
转载
2023-11-29 19:52:38
30阅读
spss案例教程 原文地址：https://www.ixueshu.com/document/934cf7bb1ff99338318947a18e7f9386.html 主成分分析与因子分析及SPSS实现一、主成分分析
（1）问题提出
在问题研究中，为了不遗漏和准确起见，往往会面面俱到，取得大量的指标来进行分析。比如为了研究某种疾病的影响因素，我们可能会收集患者
转载
2023-12-12 12:47:24
133阅读
# Python 多因子模型的实现指南
## 一、引言
在量化金融领域，"多因子模型"是一种通过多个因子（比如市值、财务指标等）来评估资产回报的模型。Python 是实现这一模型的流行编程语言，因为它拥有强大的数据处理和分析库。在这篇文章中，我们将通过几个步骤来实现一个简单的多因子模型。
## 二、实现流程
我们将整个多因子模型的实现流程分为以下几个步骤：
| 步骤 | 描述
# 多因子模型在Python中的应用
多因子模型是一种常用的金融分析工具，旨在通过多个风险因素来解释证券的收益。在金融市场中，尤其在资产定价和投资组合管理中，多因子模型具有重要的实际应用价值。本文将介绍多因子模型的基本概念及其在Python中的实现，并提供相应的代码示例。
## 多因子模型的基本概念
多因子模型假设，投资回报不仅仅受市场变化的影响，还受其他经济、财务或统计因素的影响。常见的因
原创
2024-10-07 03:13:42
87阅读
GNSS说第(七)讲—自适应动态导航定位(九)—自适应因子模型自适应因子模型概述自适应导航定位必须有合理的且计算简便的自适应因子。合理的自适应因子应能平衡动力学模型信息与观测信息的权比,而且能够控制动力学模型误差对导航参数解的影响。 自适应因子α还与判断统计量或称学习因子(Learning Factor)有关。合适的学习因子应能可靠地判别动力学模型预报信息与动态载体实际运行轨迹之间的差异。有多种统
收益率预测模型中常用到线性因子模型，其是通过线性等式的关系，将有限个数的因子与资产的收益率或者价值联系在一起。本文通过因子线性模型介绍了著名的夏普单指数模型与多因子模型，并介绍了常用的因子种类。线性因子模型的提出单因子模型，通俗的说，假如某件事情的发生仅用一个因子便可解释，这样建立的模型就可以称作单因子模型。比如说，今天下雨，很可能是因为水汽的积累太多了，那么是否下雨只受到空气中水分含量这个因子的
结构化风险因子模型利用一组共同因子和一个仅与该股票有关的特质因子解释股票的收益率，并利用共同因子和特质因子的波动来解释股票收益率的波动。结构化多因子风险模型的优势在于，通过识别重要的因子，可以降低问题的规模，只要因子个数不变，即使股票组合的数量发生变化，处理问题的复杂度也不会发生变化。结构化多因子风险模型首先对收益率进行简单的线性分解，分解方程中包含四个组成部分：股票收益率、因子暴露、因子收益率和
转载
2023-10-15 08:58:36
22阅读
