金融市场

摘要

文献来源：Chow, Tzee-Man, Feifei Li, and Yoseop Shim. "Smart beta multifactor construction methodology: Mixing versus integrating." The Journal of Index Investing 8.4 (2018): 47-60.

推荐原因：我们的研究主要集中在一个实际问题上，这个问题在此之前关注度较低：市场参与者如何在权衡后选择采用不同方法构建的多因子投资组合作为投资工具。具体来说，我们研究和比较了两种不同的方法。第一种方法（以下称为整合法），是在

摘要

文献来源：Dopfel, Frederick E., and Ashley Lester. "Optimal blending of smart beta and multifactor portfolios." The Journal of Portfolio Management 44.4 (2018): 93-105. 推荐原因：随着机构投资者增加对smart beta基金的配置，以及多因子投资方法带来的复杂性提升，投资者们需要一个smart beta产品组合的配置指引。在设计一个多样化和高效的投资组合时，需考虑到因子的偶发性敞口和特殊敞口。因此，本文开发了一个标准框架，以

摘要

从矛盾到切割

事物内部的各要素之间，往往存在着对立统一的矛盾。在金融市场中，当人们普遍预期的行为模式未能出现时，常常只是因为代理变量选得不好，未能窥见其内部更为本质的精细结构。我们在近十年的因子研究历程中，既收获了大量个性鲜明的独家因子，也从中领悟了系统普适的方法论——因子切割论

因子切割论的三要素：对象、工具、产出

我们以理想反转因子的构造过程为例，归纳出因子切割论的三要素：对象、工具、产出。

对象：具有可加性的目标变量

工具：有区分能力的切割指标

产出：对切割后变量的再加工

关于对象

我们要求对象要具有可加性。所谓可加性，是指在

摘要

量化研究离不开阅读、思考与实证。但囿于国内金融市场不长的历史，很多思维的火花都无法通过足够的数据进行研究和验证。本系列试图填补这一空白，将海通量化团队的分析师平日阅读、思考的心得与海外数据相结合，致力于为国内的量化从业人员提供新的灵感。考虑到篇幅，文中只呈现了研究思路和主要结论，对详细过程感兴趣的读者可与我们联系，海通量化团队时刻为您守候，与您分享。

宏观经济活动对债券收益同样有着明显的预测效果。我们收集了产出、利率、就业、库存等 15 个大类共 132 个宏观变量的月度数据，使用主成分分析法构建了8 个公共因子。这些因子不仅统计上显著，也有着重要的经济意义，能够解释未来一年债

摘要

文献来源：Dopfel, Frederick E., and Ashley Lester. "Optimal blending of smart beta and multifactor portfolios." The Journal of Portfolio Management 44.4 (2018): 93-105.

推荐原因：随着机构投资者增加对smart beta基金的配置，以及多因子投资方法带来的复杂性提升，投资者们需要一个smart beta产品组合的配置指引。在设计一个多样化和高效的投资组合时，需考虑到因子的偶发性敞口和特殊敞口。因此，本文开发了一个标

/wiki/static/upload/0b/0b335f07-e0fb-44ce-b4ad-09f42e542f44.pdf

\

请教多因子组合选股相关性越接近于0越好还是越接近于-1或1越好？

问题

如何设置买入条件，找出连续三天涨停的股票

策略

https://bigquant.com/experimentshare/8cba95fe932f42a5859dbecd11625f07

[https://bigquant.com/experimentshare/8ea30e5331d440c79879c7b4aa650a85](https://bigquant.com/experimentshare/8ea30e5331d

运行不了：

https://bigquant.com/experimentshare/b70938db6a534ecfb6ade2556e401ef4

\

问题

回测时如何选取沪深300成分股为股票池

解答

https://bigquant.com/experimentshare/e748e2e314404259ab7f7226a701472b

平安银行的股价是在是十几块呀，这里查询的一千多，帮忙看下原因？

下面是代码与查询结果，帮忙看下！

# 本代码由可视化策略环境自动生成 2022年4月28日 17:46
# 本代码单元只能在可视化模式下编辑。您也可以拷贝代码，粘贴到新建的代码单元或者策略，然后修改。


m1 = M.instruments.v2(
    start_date='2022-04-01',
    end_date='2022-04-28',
    market='CN_STOCK_A',
    instrument_list='000001.SZA',

我有看到平台上代码后缀是不同的，我想在benchmark中引入下面这个指数，

我应该在哪里找到它的后缀呢？

我找到了一个比较麻烦的办法

![{w:100}](/wiki/api/attachments.redirect?id=6

问题

如何用twap和vwap标注数据，大神赐教！

{{membership}}

https://bigquant.com/experimentshare/ff206779bb0f4851ac0fede5acb195e6

\

{{membership}}

https://bigquant.com/experimentshare/953563e68f824cb2b4f893f5251cecb3

\

https://bigquant.com/experimentshare/e1779fa4ec184a1fb209ebff7c588b8d

\

问题

AI量化策略中如何选择合适的因子

视频

https://www.bilibili.com/video/BV1J24y1f7mJ/?spm_id_from=333.999.0.0

PPT

{{membership}}

[/wiki/static/upload/42/4267409e-a9f4-42db-bb79-1321ba5e4c59.pdf](/wiki/static/upload/42/4267409e-a9f4

• 点击新建对话，创建一个新对话

• 点击输入框，开始与QuantChat交流

• 您可以直接输入以下对话

![{w:100}](/wiki/api/attachments.redirect?id=df515aaf-cef1-460

\

%%BigQuant_ChatGPT

https://bigquant.com/experimentshare/0e3ee03644f24afb883e6acd26c8bca2

\

https://bigquant.com/experimentshare/21f522493cc941129b94cfed5027f98a

\

今天与大家探讨高频策略的回测框架。高频策略的研发，有两个显著的特点： 一是数据量大，与日频相比，分钟频率就是百倍的数据量， 到秒级别更达到上千倍的差异。 二是对交易细节敏感，回测系统要尽可能去模拟真实交易的情形，甚至要比真实交易更严格，这样研发出来的高频策略才有实盘的价值。所以高频策略要考虑的细节很多，决策时间点，成交价，手续费，流动性等。细节考虑的不到位，策略回测和实盘交易就会差异很大，降低策略研发的价值和效率。 如何在大数据量前提下，尽可能的将细节考虑到位，就是高频策略回测系统的挑战，也就是严谨和高效的权衡。

下面和大家一起构建一个秒级别的策略回测框架。 一般来说，回测框架会包含以下几个

PPT

/wiki/static/upload/1f/1fdcde6d-6311-49fc-a1ad-e533c840cf97.pdf

视频

https://www.bilibili.com/video/BV1zc411V7EW/?spm_id_from=333.999.0.0

\