# 机器学习惩罚因子
机器学习中的惩罚因子是指在模型训练过程中为了避免过拟合而引入的一种正则化方法。它可以通过增加模型的复杂度来惩罚一些不必要的特征，从而提高模型的泛化能力。本文将介绍机器学习中常用的惩罚因子及其代码示例。
## 常用的惩罚因子
### L1正则化
L1正则化是指在损失函数中加入模型参数的绝对值之和。它的作用是使得一些不重要的特征的权重变为0，从而实现特征选择的效果。在sc
原创
2023-12-24 06:26:19
244阅读
本文以SPSSAU系统为例，针对因子分析的常见问题进行汇总说明。 ①问题一：提取因子个数提取因子的个数是一个综合选择的过程。默认是按“特征根大于1”作为因子提取的标准。特征根不是唯一的判断标准。除此特征根，还可以通过累积方差贡献率、碎石图等指标综合判断。如果分析前已经有了预期的维度（因子）划分，也可以在分析时主动设定提取因子个数，再根据上面的指标进行调整。 ②问题二
转载
2023-12-06 22:47:12
1636阅读
本文是Quantitative Methods and Analysis: Pairs Trading此书的读书笔记。因子模型(factor models)用来解释资产的风险或者回报的特点。在CAPM模型中，资产的回报几乎就是由市场决定的，每个资产对市场的敏感程度可以用beta来描述。因而，在CAPM模型中，只有一个因子factor和暴露系数exposure（敏感系数），就是市场因子和beta暴露
转载
2023-12-18 14:06:55
9阅读
作者：David Blitz、Matthias X. Hanauer、Tobias Hoogteijling、Clint Howard标题：The Term Structure of Machine Learning Alpha前言非线性的机器学习模型确实能够捕捉股票特征和未来回报之间复杂关系。然而，相关文献主要侧重预测收益，而忽略了相关交易成本。在基于美股的数据测试后，我们发现这类模型表现较好的
转载
2023-10-03 09:28:29
0阅读
惩罚因子C用来表示对于个别点的重视程度。其大小应该选择适中，不然会对于最后的准确率造成一定的影响。 若令惩罚因子C为无穷大，则SVM退化为硬间隔分类器，此时使用线性核只能处理线性可分的样本（因为对于线性不可分的样本，无法找到一个超平面可以正确划分所有样本，于是模型参数不存在可行解）； 若令惩罚因子C为适当值，则使用线性核的SVM可以处理线性
转载
2023-05-29 22:27:46
392阅读
在讲因子模型之前，我们需要先了解一下CAPM模型。 CAPM模型是从均值-方差效用理论导出的一个均衡模型，其假定人们都是理性的，都具有一样的均值-方差偏好形式，即都喜欢高收益低方差，且homogeneous。那么就可以得到，资产的收益满足如下的关系： &
转载
2024-07-24 21:41:57
42阅读
# 机器学习多因子选股入门指南
机器学习多因子选股是利用各类因子，通过机器学习模型进行选股的一种方法。下面，我将带你了解实现这一方案的全过程。我们的目标是构建一个基于历史数据和各种因子的选股模型。
## 流程概述
我们可以将整个流程分为以下几个步骤：
```markdown
| 步骤 | 描述 |
|------|--------------
原创
2024-09-08 03:48:53
199阅读
因学识经验有限，如有不正之处望读者指正，不胜感激；也望借此平台留下学习笔记以温故而知新。这一篇博客是最近在做的多因子指数构建内容梳理，希望对您有所帮助。1 背景在股票量化投资领域，多因子模型仍是使用最频繁的模型之一。2 多因子理论基础2.1 资本资产定价模型-CAMPCAMP模型为单因子-系统风险模型，可以理解为收益仅随市场。2.2 套利定价模型-APTAPT模型已具备多因子模型的形式，但是没有指
1 概述 离群点是观察的数据集中明显异常的数据点，或者说，离群点的数据分布与数据集的整体分布不同。离群点检测的目的是检测出那些与正常数据差别较大的数据点，然后根据具体的问题作进一步处理。 离群点检测算法主要有基于
# backtrader 机器学习多因子选股
## 引言
机器学习在金融领域的应用越来越广泛，其中包括股票选股。backtrader是一款功能强大的开源交易平台，它结合了机器学习和多因子选股策略，为投资者提供了一个可靠的工具来进行股票选股。
在本文中，将介绍如何使用backtrader和机器学习来实施多因子选股策略。我们将通过一个简单的示例来说明这个过程，并提供相应的代码。
## 多因子选
原创
2023-09-08 05:48:34
999阅读
PCA（主成分分析）将n维特征映射到k维上，这k维是全新的正交特征也被称为主成分，是在原有n维特征的基础上重新构造出来的k维特征。
转载
2024-02-06 19:46:53
0阅读
多因子策略选股简介多因子模型是一种常用的选股模型，多因子模型的构建一般分为回归法和打分法两类。其基本思想就是找到某些影响股票收益的因子然后利用这些因子进行选股。一、alpha因子的种类因子分类有许多种，按因子分析角度分为基本面因子与技术因子。其中基本面因子包含：价值因子、盈利因子、成长因子、资本结构因子、运营因子、流通性因子等；技术因子包含：动量因子、趋势因子、市值因子、波动因子、成交量因子等。按
转载
2023-06-13 21:36:34
700阅读
1、什么是alpha？超额收益就是alpha。超额收益是相对一个基准来说的。那么这个基准是什么？2、基准是什么？这就涉及联合假设问题(joint hypothesis problem)：几乎所有的资产定价模型都假设资产市场是有效的，因此这些模型的检验是对模型和市场效率的联合检验。简单的说，如果市场是有效的，那么肯定没有alpha，如果检验结果有alpha，那么选择的基准有问题，也就是资产定价模型有
转载
2024-01-01 12:49:56
130阅读
一、简介多因子模型是风险——收益关系的定量表达，因子是不同类型风险的解释变量。 多因子模型是由APT理论发展而来，一般表达式多因子模型本质是将对N只股票的收益——风险预测转变为对K个因子的收益——风险预测，将估算个股收益率的协方差阵转化为估算因子收益率的协方差阵。多因子模型构建流程主要包括：因子筛选、收益预测、风险预测、组合优化二、基本理论投资组合管理 被动管理 又称为指数化管理。 目标是尽可
转载
2023-11-18 22:26:51
14阅读
1.松弛变量
现在我们已经把一个本来线性不可分的文本分类问题，通过映射到高维空间而变成了线性可分的。就像下图这样：
圆形和方形的点各有成千上万个（毕竟，这就是我们训练集中文档的数量嘛，当然很大了）。现在想象我们有另一个训练集，只比原先这个训练集多了一篇文章，映射到高维空间以后（当然，也使用了相同的核函数），也就多了一个样本点，但是这个样本的位置是这样的：
转载
2021-07-12 10:35:52
1078阅读
特征值因子的筛选 回到主成分分析，实际中确定（17）式中的系数就是采用（28）式中矩阵的特征向量。因此，剩下的问题仅仅是将 的特征值按由大到小的次序排列之后，如何筛选这些特征值？一个实用的方法是删去 后，这些删去的特征值之和占整 个特征值之和 的15％以下，换句话说，余下的特征值所占的比重（
转载
2024-07-31 18:35:43
15阅读
多因子选股模型在模型搭建中，往往会涉及到非常多的股价影响因子，并可能导出数量极多的备选模型。因此，对于多因子选股模型的评价和筛选，就显得尤为关键。对于专业的量化投资人而言，就需要进一步了解多因子选股模型的两种主要的评价判断方法——打分法和回归法。1、打分法的评价原理和流程所谓打分法，就是根据各个因子的大小对股票进行打分，然后按照一定的权重加权得到一个总分，最后根据总分再对股票进行筛选。对于多因子模
转载
2023-11-28 02:02:05
16阅读
摘要量化投资中经常听到的“多因子模型”是个什么鬼？因子是影响因素的简称，或简单理解成指标。我们都知道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。所谓“多因子模型”，说白了就是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。1952年马柯维茨（Markowitz）在The Journal of Finance（金融学最顶级的
转载
2024-01-16 18:19:19
7阅读
机器学习是一种实现人工智能的方法从数据中寻找规律、建立关系，根据建立的关系去解决问题机器学习的应用场景数据挖掘、计算机视觉、自然语言处理、证人…
原创
精选
2024-01-17 06:52:35
437阅读
# 机器学习中的惩罚因子
机器学习是一门研究如何让计算机具备自主学习能力的科学和技术。在许多机器学习算法中，我们需要引入惩罚因子（Penalty Factor）来帮助我们更好地处理模型的复杂度和泛化能力。本文将介绍什么是惩罚因子以及它在机器学习中的作用，并给出相应的代码示例。
## 什么是惩罚因子？
在机器学习中，我们经常需要选择一个合适的模型来解决问题。然而，过于复杂的模型可能会导致过拟合
原创
2023-07-10 06:11:18
980阅读
