首页 编写策略 数据平台 策略社区 我的策略 宽客学院 知识库
免费注册

yzc_作业2_多风格组合策略

按照模板写实在写不出来，改了一下模板，写了4个表来做计算

市场风格在一定时间范围之内确实还是有延续性的，如果风格相对明显的策略，是比较好适应这个市场的。我只加入了榜单上的2个小策略，对风格的涵盖不广，也比较难跑出来


问题：看日志发现用市场的最大风格逻辑还是有点问题的，风格比较容易变化，别的风

由yzc18811006016创建，最终由yzc18811006016更新于

label的技巧：对收益率打标的4种方法

在我们找到一堆因子后，下一步就是把这些因子打好标，丢入模型，让模型去寻找因子和标签的映射规律。

标签就是你要解决的问题，标签应该是和因子强相关的。随意的打标会增加模型预测的难度，而过于傻瓜的打标会限制因子的发挥。

普遍做法：n个周期后的收益率作为标签

普遍做法是用n个周期后的收益率作为标

由small_q创建，最终由bqv93dy2更新于

陈雨作业，0804A

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np

# 根据项目规范，定义策略参数
class PortfolioAnalysisCon

由bqtzejx8创建，最终由bqtzejx8更新于

陈雨作业重新修改的，0804

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np

# 根据项目规范，定义策略参数
class PortfolioAnalysisC

由bqtzejx8创建，最终由bqtzejx8更新于

陈雨作业，0804

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np

# 根据项目规范，定义策略参数
class PortfolioAnalysisC

由bqtzejx8创建，最终由bqtzejx8更新于

邹的作业

先感谢老韵同学，下面抄老韵同学的作业，改了3个模型进行训练，不知道为啥我这里xgboots的效果那么差，搞不清原因。感觉机器学习最重要的就是设置好因子和lable，目前没有头绪，没有对因子挖掘系统性的认知，现在就是瞎试。 之前lable没有用pct_rank_by，结果就很差，不知道如何运用pct_

由bq9dhg5r创建，最终由bq9dhg5r更新于

四金_作业

\

不同模型下的特征权重

在不同模型下，特征重要性有所不同

sotckranker xgboost
![](/wiki/api/attachments.redirect?id=d5b76aed-3ac8-49e0-8333-a21838a9f2d7

由bqf6mces创建，最终由bqf6mces更新于

大卫_作业提交

市销率和股息收益率加入过滤条件，并把股息收益率加放权重，情况改善很多

感悟：随着市场上机构比重的增加，对基本面也有了很多的要求。


[https://bigquant.com/codesharev3/946edaf7-9ac0-4bb9-8386-b970a5755f8b](https://b

由bqnst8by创建，最终由bqnst8by更新于

bqbppxmo_作业

  1. 用AI生成3个策略: 小市值策略，破净股策略，超跌反弹策略；
  2. 3个策略回测后，将raw_perf里的returns和position存到数据库
  3. 计算每个策略与factor_return表的相关性
  4. 每个调仓日选取相关性最高的策略，用该策略的持仓作为风格轮动的持仓


代码：

由bqbppxmo创建，最终由bqbppxmo更新于

张伟作业

分别用stockranker和xgboost做了滚动训练，stockranker的结果相对正常，xgboost非常离谱，不太清楚原因

一、stockranker

每年训练一次，每次用一年的数据滚动训练

from bigmodule import M

result =

由bqz709ry创建，最终由bqz709ry更新于

kd_gld的作业

今日作业：

\

1、请用自己的话解释什么是量化投资

答：

量化分几步

1 数据分析与挖掘：

  • 分析挖掘价格信息 与 其他信息（ 比如 交易信息，基本面信息， 宏观信息等） 之间单维或者多维的关系。
  • 关系可能是线性的，非线性的，时间序列的，横截面的等。

由godspeedgld创建，最终由godspeedgld更新于

kr_gld的作业

数据获取思路：

1 用with , 将sql 分成三步 data_base，data_normalized ，以及features ,label 定义

2 data_base 获取初始字段，data_normalized 标准化， 以及pck_rank_by，获取横截面因子，m_leg 避

由godspeedgld创建，最终由godspeedgld更新于

kr_gld的作业

实现了 ：

xgboost 和 stockrank 的策略。以及 超参测试

相同因子的情况下， stockrank 要比 xgboost 更好些。


实现 ：\nxgboost 的策略\n\n因子设计

c_pct_rank(dividend_yield_ratio)

由godspeedgld创建，最终由godspeedgld更新于

四金_作业

风格轮动

5月20日，采用小市值策略，5月27日轮动为流动性因子策略

策略 执行过程 策略因子相关性
小市值 ![](/wiki/api/attachments.redirect?id=252757f9-1e2b-44f3-9a2

由bqf6mces创建，最终由bqf6mces更新于

分页：第1页第3页第4页第5页第6页第7页第317页
{link}