三月是另一个痛苦的提醒：当投资者最需要多样化时，相关性可能会崩溃。股市和大宗商品价格同步下跌，因市场在不断升级的流行病带来的供需冲击中定价。然而，尽管风险偏好急剧下降，许多传统上被视为避风港的资产未能提供有意义的对冲。本月第二周，随着股市进入熊市，黄金和发达市场债券也出现贬值。由于投资者争先恐后地满足保证金要求和资金抵押要求，现金变得过于珍贵，无法流入避风港。

当所有主要资产类别都在下降时，主动的多空策略可能成为分散回报的来源。不幸的是，如果管理者直接或间接地依赖市场贝塔系数来获得回报，那么即使是其中的一些策略也会加剧回撤。对许多人来说，人们对21世纪末金融危机期间相关性的全面崩溃仍记忆犹新

引言

我们在《正确理解 Barra 的纯因子模型》介绍了 Barra 的多因子模型。该文讨论的重点在于从业务上说明国家、行业、风格纯因子投资组合的含义，而非具体的数学计算。

不过，后来我意识到我给自己挖了一个坑。因为有个小伙伴给我们留言询问在计算因子协方差矩阵时，Barra 使用的 Newey-West 调整是怎么一回事儿。所以今天就来填坑了。本文就来简单说说 Newey-West 调整对于协方差矩阵估计的重要性。

在我为了写作本文而查阅的相关资料中，除了文末参考文献中的几篇重要论文外，知乎上

那天和一位有二十多年炒股经验的老股民聊天，恰好说到一些金融理论。他说，小伍啊，你们这些读了点书的知识分子，就知道研究理论。我跟你说，投资没那么复杂，关键是经验。你看我，摸爬滚打这么多年，我的经验，才是我最宝贵的财富。

我试图和这位大叔说现在时代不同了，在金融投资领域，知识就是力量这句话并没有过时。但是这些所谓的知识，到底指的是什么呢？市场上至少有数以千记，甚至万记的投资类书籍，哪些知识才能给我们投资者力量呢？

于是我就想到了写一篇文章来小结一下一些比较重要的金融知识。在下面这篇文章中，我会以大事记的方式简单的概括一下金融研究历史上的一些重要发现和突破。在我看来这些最重要的研究成果是每一个对

新型冠状病毒的传播已经影响了全球许多人的健康、财富和生活。广泛确立的封锁和社会疏远措施导致了裁员、休假、企业倒闭和经济放缓。在过去近两个月里，投资者感受到了对金融市场的影响，随着零售额、GDP估计数和申请失业救济人数等数据的公布，每个人都开始更多地了解这种流行病对经济的影响。为了进一步洞察，Venn在Venn因子绩效报告中对因子回报的影响写了很多文章。

在本文所述的分析期内（2月24日至4月14日），我们知道整个股市已经下跌：3月23日，Venn的全球股票因子达到了-31%的最大跌幅，而以美国为中心的标准普尔500指数在同一天也同样达到了-33%。但哪些股票的跌幅或涨幅超过了其因素风险所显示

机器学习技术能在不需要人类预先编写规则的情况下，让计算机从数据中寻找模式。从机器人到天气预报，再到语言翻译，甚至开车，这项技术驱动着多个领域的进步。

为什么不能用它来搞定金融市场呢？

这种想法，已经引发了投资公司之间的军备竞赛，各家本来就已经非常依赖数学的基金开始争抢他们所能找到的顶尖计算机科学家和统计学家。

这项技术一开始表现还不错。今年业绩最好的两家对冲基金——Quantitative Investment Management LLC和Teza Capital Management LLC今年分别上涨了68%和50%，他们都说能做出这么好的业绩，机器学习功不可没。

然而，在投

\

**编者按：**唐代诗人王维在《画》一诗中，曾写道：

“远看山有色，近看水无声。

春去花还在，人来鸟不惊。”

这首他在赏画时所作的诗，是人类从视觉到语言最高水平映射的表现。然而，如果我们来读这首诗，是否能浮现出他所欣赏的画作呢？显然还不能。

因此，对于人类而言，相较于视觉到语言的映射，语言到视觉的映射似乎是一个更大的挑战。而对机器而言，深度学习构建了语言与视觉之间的联系，也让机器在吟诗作画方面取得了超过普通人的成绩。

1958年，鼠标的发明者Douglas Engelbart，在麻省理工学院见到了人工智能先驱Marvin Minsky，据说他们之间曾发生过这样一段对话，Min

动量投资，是最为常见的量化投资策略之一。动量投资策略的应用涵盖多个金融市场，不仅限于股票市场，在期货，外汇等市场上也很多见。今天这篇文章，就来向大家介绍一下这种投资策略。

即使是一个金融门外汉，应该也不难理解动量投资的概念。简而言之，动量投资就是“追涨杀跌”，买那些涨的厉害的，卖那些跌的厉害的。

举例来说，目前中国A股有3000多支股票。我们可以根据这些股票在过去一年的价格变化将它们排序，从第1名排到第3000名。排在最上面的，是那些过去一年价格上涨幅度最大的股票。而排在最下面的，则是那些价格下跌幅度最大的公司股票。然后我们规定，购买排名最靠前的5%的股票（约150支股票），卖空排

在金融投资市场上经常听到有人把炒股、炒期货等比喻成赌博。其实金融投资和赌博确实有很多道理是相通的，具有很强的博弈性。我们可以从赌博的角度来解析一下金融投资，希望能对新手投资者们有所启发。

首先我们设计一个“无尽赌局”假设。在一场赌局中，假设以下4个条件都成立：

1、假设所有参与者的总财富不变， 也就是说是一场零和游戏。

2、假设所有赌局参与者在可预见的时间内，需要不停的用同一种策略不停的下注，不能离场。这是什么概念，其实每个人都有特定的教育背景和人生经历，在这样的基础上形成自己的特有的价值观和世界观。在这个价值观和世界观的基础上形成了自己的交易风格。现在比较流行的多策略多品种分散投资在思

导语：本文挑选了著名的风险结构模型进行介绍，具体的细节并没有深入展开，旨在抛砖引玉，了解Barra对于风险结构模型的思维方式和理念。

多因子模型

相似的资产会有相似的回报，这是多因子模型的基本假设。由于某些特定的原因（因子），资产会表现的十分类似，例如价量变化、行业、规模或者利率变化。多因子模型就是为了发掘这些因子，并且确定收益率随因子变化的敏感程度。通常来说，多因子模型包括了宏观因子模型、基本面因子模型和统计因子模型。这几种模型在分析不同的大类资产风险收益的时候也有不同的效果。

实现原理

单个资产的多因子模型可以表示成：

![](/wiki/api/att


本期作者：Evan Akutagawa

本期翻译：Chloe | 公众号翻译部成员

正文

全球最大最知名的高频交易公司有哪些呢？开始涉猎算法交易的个人交易者可能对这个问题最感

在2022年7月22日上市交易的中证1000股指期货是2022年的金融市场一件大事，公募私募基金又多了一份对冲工具，指数增强和alpha策略更能施展拳脚。本文介绍如何获取中证1000的代码和行情数据。

https://bigquant.com/experimentshare/c77ca255831943a68ad9baa34f0248a2

如果想获取中证500的代码和行情，只需改下名称就行：

![{w:100}](/wiki/api/atta

指标介绍

蔡金摆动指标（Chaikin oscillator）：简称CHO

所需数据和参数：CHO(high,low,close,open,volume,fast,slow )

指标伪码：

VAR1:=(CLOSE-OPEN)/(HIGH-LOW)*V;

ACCUM:=SUM(VAR1,0);

CHOVAL:EMA(ACCUM,FAST)-EMA(ACCUM,SLOW);

指标含义

[/wiki/static/upload/cb/cbbb8b38-afd2-48a2-ba89-4bb8e3ceaa13.pdf](/wiki/static/upload/cb/cbb

指标介绍

梅斯线（Mass）：

所需数据和参数：Mass(high,low,smoothlength,summationlength,malength )

指标伪码：

MASSVAR0:=EMA(HIGH-LOW,SMOOTHLENGTH);

MASSVAR1:=EMA(MASSVAR0,SMOOTHLENGTH);

MASSVAR2:=IF(MASSVAR1>0,MASSVAR0/MASSVAR1,0);

MASSVAL:SUM(MASSVAR2,SUMMATIONLENGTH);

指标含义

[/wiki/static/upload/b4/b4d2ac13-d4

指标介绍

心理线（Psychological line）：简称Psy

所需数据和参数：Psy(close,nDay,threshold1, threshold2 )

指标伪码：

PSY:COUNT(CLOSE>REF(CLOSE,1),NDAY)/NDAY*100;

指标含义

/wiki/static/upload/c3/c3c6e415-2abe-4c54-885f-a338fffb2e73.pdf

\

指标介绍

阿隆指标（Aroon）

所需数据和参数：Aroon(high,low,nday,upband,lowband )

指标伪码：

UP：(N-HHVBARS(HIGH,NDAY))/NDAY100;

DOWN：(N-LLVBARS(LOW,NDAY))/NDAY100;

指标含义

/wiki/static/upload/3a/3a51d61b-261d-4160-a64a-b52b18e54835.pdf

\

摘要

目录CONTENTS

1.趋势配置模型的基本原理

2.中信一级行业指数历史表现及动量效应

3.传统截面动量模型在行业配置组合上的应用及改进方向

4.“时序动量+截面动量+止损机制”构建行业趋势配置组合

5.主要结论

正文

/wiki/static/upload/ca/ca5796d5-887d-4986-b0b2-a968e35b08b9.pdf

\

利用算法进行股票量化交易是当今金融市场的一个重要趋势。在国际象棋和围棋等诸多复杂的游戏中，深度强化学习（DRL）智能体都取得了惊人的成绩。深度强化学习的理论同样适用于股票市场的量化决策。本文介绍了同济大学计算机科学与技术系的上海市大学生创新创业训练计划优秀项目：「基于深度强化学习的金融量化策略研究」，解读了如何训练一个 A 股市场的深度强化学习模型，以及回测的绩效表现。

在该项目中，研究者把股票市场的历史价格走势看作一个复杂的不完全信息环境，而智能体需要在这个环境中最大化回报和最小化风险。相比于其他传统机器学习算法，深度强化学习的优势在于对股票交易任务进行马尔可夫决策过程建模，没有将

Learning the Dynamics of Technical Trading Strategies

作者：Murphy N. J., Gebbie T. J.

出处：Quantitative Finance, 2021-03

摘要

本文使用了一种基于对抗型专家的在线学习算法来学习，使财富最大化的零成本组合交易策略所需的最佳参数。该学习算法用于确定大量技术交易策略的动态，这些技术交易策略可以通过历史回测，并从约翰内斯堡证券交易所每日和日内数据执行的基础交易策略集合中形成一个聚合的投资组合交易策略。本文一个关键的贡献是：在每日取样和日内时间尺度上，使用一个新的假设检验来测

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

{{membership}}

https://bigquant.com/codeshare/0527a8c8-9944-4c74-b845-2068dce50bd1

\

引言

在BigQuant平台(www.bigquant.com)上线的第一天，我们从互联网搜索引擎领域借鉴了PageRank算法引入到金融市场，提出了StockRanker算法，5年时间悄然过去，时间证明了StockRanker算法在金融量化选股领域的有效性。 今天，我们对DeepAlpha-StockRanker进行简单介绍。

什么是DeepAlpha

Alpha在金融市场有特定含义，表示跑赢市场的超越收益，Deep借用深度学习（Deep Learning）“深度”一词，因此DeepAlpha指通过人工智能深度学习的

\

摘要

文献来源：Brogaard, J., & Garriott, C. (2019).High-Frequency Trading Competition. Journal of Financial and Quantitative Analysis, 54(4), 1469-1497.

推荐原因：证券电子化交易平台发展诞生了高频交易，而频繁出现的闪崩事件导致金融机构和学术界对高频交易均表现出了负面的担忧。根据加拿大Alpha交易系统的股票订单簿数据，本文作者发现在高频交易商进场后股票价差将收窄，流动性大幅改善。基于双重差分事件研究模型，作者认为高频交易竞争能显著提高股票市

摘要

近年来，随着投资者对于因子选股体系研究的深入，选股因子值的处理也在逐渐细化。本文主要对于选股因子的正交进行了讨论。之所以讨论因子的正交是因为在传统的多因子模型中，选取的因子之间往往存在着相关性，而这种相关性并不稳定。因此相关性的存在会复杂因子权重的分配。对于等权分配因子权重的多因子模型，由于因子之间相关性的存在，模型可能实际上对于某一因子有更高的暴露（例如，市值因子）。对于权重优化的模型，相关性的影响可能会更大。因此，本文考虑在构建因子的时候就对于相关性进行剔除从而达到更为可控的因子暴露。

选股因子截面相关性波动较大。以市值因子与反转因子为例，虽然两因子截面相关性长期来看均值较