资产定价

https://bigquant.com/codeshare/5cc967b1-9dd1-45ef-a021-3194dd0c1e4f

\

资产定价模型，特别是资本资产定价模型（CAPM）的建立和应用，基于一系列基本假设。这些假设是为了简化现实世界的复杂性，从而使模型能够在理论上工作。以下是六个关键假设，这些假设也普遍适用于其他资产定价模型的基础之上：

一、市场是完全竞争和效率的

假设所有投资者都面对相同的市场信息，并且这些信息立即反映在资产价格中。这意味着任何个体投资者都无法通过交易已知信息来获得超额回报。

市场的完全竞争和效率是理想状态下的经济假设，这两个概念在金融理论和经济学中占据着核心位置。完全竞争市场和效率市场假说（EMH）描述了一个理想的市场环境，其中价格能够完全反映所有可用信息，资源配置达到最优。

资产定价模型（Asset Pricing Models）是金融学中用于评估或预测金融资产价值的理论和模型。这些模型基于不同的假设，用于不同类型的资产，包括股票、债券、衍生品等，通过量化资产的预期收益与其所承担的风险之间的关系，帮助投资者评估投资机会并做出明智的投资决策。

以下是一些重要的资产定价模型：

1. **资本资产定价模型（Capital Asset Pricing Model, CAP

\

概率论与数理统计在我们的日常生活中扮演着极其重要的角色，然而，很多人在大学课堂上对其的理解并不够深入，无法将这些理论知识具象化并应用于实际生活中，这确实令人感到遗憾。因此，我决定重新学习这些知识，并用通俗易懂的语言来解释和记录，以便加深理解并更好地应用它们。

首先，我们来思考一个问题：数学是如何产生的呢？

想象一下，当我们的祖先遇到一个问题时，他们努力寻找解决方法，并最终成功地解决了这个问题。这种成功的喜悦让他们想要在未来的类似情况下能够轻松地应对，于是他们就把这种解决问题的思想和方法提取出来，逐渐形成了数学。

为了让更多的人受益，祖先们将这些方法整理成抽象且严谨的数学理论，并传递给其他

来源：SSRN 作者：Sophie Emerson, Ruairi Kennedy, Luke O’Shea, and John O’Brien

机器学习是人工智能的一个子领域，它使用统计技术为计算机模型提供从数据集学习的能力，允许模型在没有显示编程的情况下执行特定任务。近年来，机器学习技术激增，人们对其在金融领域的应用也越来越感兴趣。在投资管理中，已被应用于新闻的情绪分析、趋势分析、投资组合优化、风险建模等。那么，机器学习在量化投资中有哪些潜在应用呢？

1.常见的机器学习算法

机器学习算法主要有三种：监督学习、无监督学习和强化学习。监督学习是在已知输入和输出的情况下训练出一个模型，将

备注：本策略含有未开放的数据，故克隆之后无法运行。

{{membership}}

https://bigquant.com/codeshare/b6e80d6b-f5e0-4778-97cf-77fcadb7b488

\

{{membership}}

https://bigquant.com/codeshare/37d36e41-2184-4342-b581-9561f199eeec

\

{{membership}}

https://bigquant.com/codeshare/075d9454-cde6-4306-a113-84fcae5b3248

\

这一问题看起来非常简单，甚至略显傻瓜，资产定价的核心不就是分析影响资产预期收益的因素，而投资更是基于对收益的预期进行选择以获利。但真的仅仅如此吗?

让我们暂且回到大学一年级的微观经济学课堂。玫瑰花的价格在情人节的白天会非常贵，尤其是晚上六七点，但一旦过了晚上 9 点，价格就会暴跌，甚至低于进货成本。OK，我们当然可以说卖花的小男孩可以提前预测到玫瑰花价格的这一时间规律，从而针对性地制定进货量和销售价格策略，比如，在白天卖高价而在晚上 8 点后迅速降价力求在 9 点前卖完，以避免不必要的损失。但事实上，这一价格路径特征跟玫瑰花本身的特征没多大关系，也并非直接由时间决定，而是由时间背后的需求所决

像一些复杂的因子合成方法怎么实现呢，有没有相关的算子模块或者代码分享呢

\

\

\

导语： 和 你肯定都听说过吧。那么 呢？ ？ ![\varepsilon ](https://www.zhihu.com/equation?

最近有学妹问我关于Barra的事，刚好之前实习在做这个，所以借知乎这个平台写一写自己的理解，如果有什么不对的地方大家可以多多指教。

这个主要是给小白写的，因为国君的那篇研报《基于组合权重优化的风格中性多因子选股策略--数量化专题之五十七》中确实有一些值得商榷的地方。

这篇主要先说说Barra风险因子的做法，文中的所有截图来自于CNE5。

1.Size

![](dat

今天这篇文章，跟大家聊聊现代资产投资理论（Modern Portfolio Theory，简称MPT）。

非金融背景出身的读者朋友，也不要太紧张。在这篇文章中，我会尽量用简单平实的语言，跟大家把看似比较专业的金融理论逻辑讲清楚。耐心看完这篇文章，你就会明白，那些看似复杂的金融模型，其实也没那么难以理解。

1952年，哈利·马尔科维奇在《金融杂志》发表了题为《资产组合的选择》的论文，探讨了不同类别的、运动方向各异的证券之间的内在相关性。1959年，马尔科维奇出版了《证券组合选择》一书，详细论述了证券组合的基本原理。该理论，后来被称为现代资产投资理论（MPT）。基于该理论，马尔科维奇后来获得诺

**编者按：**人生之三境界的第一层，“看山是山，看水是水”，本质上展示了人“看见”的过程，以及思绪与理解在这一过程中所起的作用。

“看见”，对于人类而言，似乎是一个很简单自然的事情，其实则不然，从地球上第一个长出眼睛的生物三叶虫，走到今天的人类视觉，经历了五亿四千万年的漫长旅程。人类获得今天的视觉能力，是大自然长期进化的结果，大脑中三分之一的皮层是与视觉相关的。

因此人的视觉任务，本质上是人脑对外界视觉信号作出反应的过程，那么，研究人脑的工作机理，是否能够为计算机视觉提供一些启发，让机器“看山是山”呢？基于此，学术界开展了脑启发视觉计算领域的研究。那么过去一年中，在这一领域都取得

CAPM模型

资本资产定价模型（Capital Asset Pricing Model）于1964年提出，研究市场中资产的预期收益率和系统性风险之间的关系，其公式如下:

无风险利率可以理解为短期国债利率，任何资产的收益率应当高于该利率，市场风险溢价也应当大于0，否则不如投资稳定的国债。β衡量的是个别资产针对整个市场的波动情况，如果β>1说明该股波动大于市场平均水平，若β<1则波动比市场小。

CAPM模型指出了非常

导语：α 和 β 你肯定都听说过吧。那么 γ 呢？δ？ε？ζ，η，θ，ιι，... ω？？？那好！我们今天就来告诉你...... β 是什么。

阅读本文需要掌握 MPT 模型（level-1）和微积分（level-0）的知识。

本文是一系列文章中的第三篇。本系列从基础概念入手，推导出 CAPM 模型。系列中共有四篇：

1. 效用模型
2. [风险模型](https://www.joinquant.com/p

Generative Adversarial Networks for Financial Trading Strategies Fine-tuning and Combination

作者：Adriano Koshiyama, et al.

出处：Quantitative Finance, 2020-09-01

摘要

系统交易策略是分配资产以优化特定绩效的算法程序。为了在竞争激烈的环境中获得优势，分析师需要适当地微调策略，或者发掘如何通过创造新的alpha以组合弱信号。已经有多种方法对微调和组合这两个方面进行了广泛研究，但是新兴技术，例如生成对抗网络，也会对这些方面产生

\

摘要

两年前，因子动物园推送第一篇推文，正式同您认识。两年来，我们也一直在思考，因子与因子模型可以做些什么，以为我们提供更多的洞见。本文将结合近年的新研究，和我们的理解，对此进行探讨。

传统上，因子和因子模型都是以预测股票未来收益（和风险）为目的。无论从学术研究（资产定价）还是投资实践来看，这都是非常自然的事情。由此自然地构建起了一套以各种公司特征为基础的因子（定价因子和异象），以及包含不同因子的因子定价模型（往往只包含较少数量的因子，以保证模型的简约性）。关于这些经典问题，可以参考任意一本关于实证资产定价的书，以及我们 BetaPlus 小组的拙作——《因子投资：方法与实践》。

文献摘要

HML因子中的细节

文献来源: Clifford Asness andAndrea Frazzini, 2013, The Devil in HML’s Details, The Journal of Portfolio Management, volume 39 number 4.

推荐原因：Fama 和 French标准的价值（B/P）度量方法是一个合理的、保守的选择，对这个领域起到了很好的作用。但这不是最好的选择。本文对B/P计算指标的时效性进行了研究，会对组合投资策略的有效性产生很大的影响，时效性越强的B/P在使用价值和动量对策略做风险调整