商品期货多因子模型探索

Jesse et al. (2016)发现，可以用三因子模型（Carry也就是展期收益率，MKT也就是所有期货品种的平均收益率，TSMOM也就是时间序列动量）解释商品期货的现货溢价和期货溢价，用三因子模型作为衡量商品基金的基准，就好比是用Fama-French三因素

这是关于股票主动投资组合管理的第一篇教程。在开始介绍正式内容之前，我先简要简要说一下《Alpha系列》的初衷。

近年来，随着国内大数据和人工智能的迅速崛起，量化交易领域也有了长足的发展。 从原来的指标驱动型程序化交易，演化到现在的以机器学习、人工智能为代表的新型量化交易。同时，量化交易的门槛与过去

其实财务报表分析最核心的东西，是通过财务报表这个结果，由果推因，找出造成这个结果的原因。

会计是商业的语言

首先第一个问题是——会计是商业的语言，这是会计的根本。

什么叫“语言”，就是可以通过它进行交流。比如我是一个中国人，我会英语的话，到了美国我可以用英语跟美国人交流，我与

对程序化模型测试来说，所测试的期货品种越多，越能检验出模型对不同品种的适用性。

1、测试参数的设置 测试参数设置的不同所得到的测试结果差异很大，客观设置测试参数关系到模型交易效果的真伪和对模型的最终取舍。程序化交易模型的测试结果对未来市场有多大的适用性是由以下三大要素决定的：

一是测试的

https://bigquant.com/experimentshare/2fbb2629dcb0450bbf72e224835b4957

\

导语

回归、分类和排序是我们经常遇到的问题场景。本文主要介绍如何实现回归和分类两类问题的模型构建。

首先我们明确一下算法在机器学习中的地位。一般来说，机器学习有三个要素： 数据、算法和模型 。

• 数据 是场景的描述，包括输入和输出。
• 算法 是得到模型的过程，

导语

本文将介绍LSTM模型的原理与构建其选股模型的流程

LSTM简介

循环神经网络（RNN）

传统的神经网络是基于所有时刻的输入和输出间相互独立的假设来生成已学习数据的静态模型，并根据新接受的数据进行运算。但在很多情景中，如语音识别中预测当前的单词的含义，需要知道之前的输

策略案例

[https://bigquant.com/experimentshare/7dcb3fe1da07466aa334e3c202a7704f](https://bigquant.com/experimentshare/7dcb3fe1da07466aa334e3c202a770

策略案例

[https://bigquant.com/experimentshare/8594992a1d9345d98cbe949eb6297067](https://bigquant.com/experimentshare/8594992a1d9345d98cbe949eb62970

LSTM Networks应用于股票市场之Functional Model。本文是已初步探索，如下示例中 使用 LSTM 预测沪深300 涨跌。

用一个input（6 features * 30 time series）训练LSTM，将训练结果与另一个辅助性输入label(np.round(cl

导语

说明：重要的事情说三遍，这是一篇付费策略的详细报告！这是一篇付费策略的详细报告！这是一篇付费策略的详细报告！ 1为人，1为人工智能，二者结合如虎添翼。

AI在股市应用中的观点

最近几年随着深度学习不断的发展，人工智能成为了时下最热门的话题，深度学习在各个领域都有了很多重要应用

本代码完整版一共包括三部分：数据、算法、回测交易。 由于该策略与机构有一些合作，我们只放出了数据和算法。希望大家能够理解！

策略案例

[https://bigquant.com/experimentshare/5a93201876eb401e998867e0b5106175](https:

策略案例

[https://bigquant.com/experimentshare/10ddc26e7b674144ab9e3738b63010a1](https://bigquant.com/experimentshare/10ddc26e7b674144ab9e3738b63010a1

策略介绍

海龟交易法是著名的公开交易系统，1983年著名的商品投机家理查德. 丹尼斯在一个交易员培训班上推广而闻名于世，它涵盖了交易系统的各个方面。其法则覆盖了交易的各个方面，并且不给交易员留下一点主观想象决策的余地。它具备一个完整的交易系统的所有成分。这个法则以及使用这个法则的人的故事被写

策略案例

[https://bigquant.com/experimentshare/6774a21c87834dd48de568308a1fd3ee](https://bigquant.com/experimentshare/6774a21c87834dd48de568308a1fd3ee

策略案例

[https://bigquant.com/experimentshare/06c5d16cb44b46e7a8ffe45ad9a69a95](https://bigquant.com/experimentshare/06c5d16cb44b46e7a8ffe45ad9a69a95

策略案例

[https://bigquant.com/experimentshare/a8cfb3df111c43fc9bec8f70654ecd5e](https://bigquant.com/experimentshare/a8cfb3df111c43fc9bec8f70654ecd

策略案例

[https://bigquant.com/experimentshare/587dfa30731644aeac4499c052f9a686](https://bigquant.com/experimentshare/587dfa30731644aeac4499c052f9a6

策略案例

[https://bigquant.com/experimentshare/5c5e31cf67c94de099b00aeab9676e48](https://bigquant.com/experimentshare/5c5e31cf67c94de099b00aeab9676e

策略案例

[https://bigquant.com/experimentshare/21cf886fbd794a66be617bfd57a0cb88](https://bigquant.com/experimentshare/21cf886fbd794a66be617bfd57a0cb

反转因子计算方法

反转因子的W式切割经过长期反复的摸索，我们找到了一个反转因子的有效切割方案，简称W式切割。具体操作步骤如下：

1. 在每个月底，对于股票s，回溯其过去N个交易日的数据（为方便处理，N取偶数）；
2. 对于股票s，逐日计算平均单笔成交金额D（D=当日成交金额/当日成交笔数

导语

特征选择是除数据之外最关键的步骤。尽管这一步非常必要，但很多指导文章中却完全忽略这一过程。

本文将展示一些很棒的特征选择方法，帮助读者在机器学习中更加如鱼得水。

特征选择是什么？实际问题中，需要什么样的特征来帮助解决建模并不总是很清晰。在这个问题上，数据总是存在各种问题，比如数据过

策略案例

[https://bigquant.com/experimentshare/05251c753111424eaff32648838ac24f](https://bigquant.com/experimentshare/05251c753111424eaff32648838ac24f