导语

本文目的是介绍如何使用bigexpr表达式对WorldQuant公开的101个alpha进行因子构建，并进行因子测试。

背景介绍

根据WorldQuant发表的论文《101 Formulaic Alphas 》 ，其中公式化地给出了101个alpha因子。与传统方法不一样的是，他们根据数据挖掘的方法构建了101个alpha，据说里面80%的因子仍然还行之有效并被运用在实盘项目中。

在BigQuant策略研究平台上，可通过表达式快速进行因子构建和数据标注，再也不需要自己手动编写冗长代码。

要说人工智能领域的课程，斯坦福大学客座教授吴恩达的《机器学习》（Machine Learning）堪称经典。该课程最开始于2012年在Coursera上线，10年间已经吸引了近500万人注册。《机器学习》课程主要介绍了机器学习、数据挖掘和统计模式识别的基础知识和实践经验。

然而，近日Stanford Online 和 DeepLearning.AI 团队宣布了一项重要通知：

第七届数据挖掘与大数据国际会议（DMBD'2022） The Seventh International Conference on Data Mining and Big Data (DMBD'2022)

第七届数据挖掘与大数据国际会议（DMBD'2022）是研究人员和从业者交流其在数据挖掘和大数据以及人工智能技术的理论、算法、模型和应用方面的进展和最新成果的国际性论坛。

DMBD'2022将于2022年11月21日至24日在北京召开，今年的会议主题是“智能金融与创新”。DMBD'2022是继之前的广州、贝尔格莱德、清迈、上海、福冈和巴厘岛会议之后的第七届年会，其中超过数百位来自世界各

摘要

数据挖掘对于投资决策的支持作用越发明显。随着国内资本市场的发展，证券市场中的可交易标的类型和数量都飞速增长，与市场有关的数据也快速增加。同时，随着市场监管越来越严，机构投资者的比重不断上升，市场有效性也逐步提升。如何快速准确地处理海量数据，并从中得到有价值的信息，是在这样的环境中继续获取超额收益的重要方法。

数据挖掘涵盖从数据采集到分析结果评价共7个步骤。

即，数据采集、数据清洗、数据特征提取、数据结构化、数据存储、数据分析、分析结果评价。

每一个步骤都需要大量的技术进行支撑，由此构成了完整的数据挖掘技术框架。

网络爬虫数据的使用需要审慎。

摘要

机器学习与CTA：数据挖掘与人类对世界的认识

这是机器学习与CTA周报的第九篇，机器学习中证500神经网络策略上周（6.25-6.29）收益0.87%，机器学习商品期货策略收益2.72%，7.2-7.6大概率看多的商品是铁矿石；大概率看空的商品是白糖，焦炭，玉米，焦煤。机器学习与基本面结合商品策略收益-1.13%，下周看多铅，看空锡。

风险提示：根据历史信息及数据构建的模型在市场急剧变化时可能失效。

正文

[/wiki/static/upload/dc/dc506e90-d4ee-4955-9482-75f52dba743e.pdf](/wiki/static/up

\

\

摘要

策略回测效果如何评估？ 量化实践中的过拟合问题一直饱受诟病，我们尝试梳理学术前沿对该领域的思考。在最新的学术文献中，不少学者已经开始反思学术界各类α因子是否只是数据挖掘的产物，一些文章开始提出一个更加严格规范的α因子挖掘框架。我们选取了一篇颇具代表性的论文，借鉴其中关于克服回测过拟合问题的一些技术方法。日常量化实践中研究人员会进行大量实验并选取其中最好的一种进行效果展示，这个过程会带来较大的过拟合问题，本文提出了一种考虑测试次数的策略效果评价调整方法。

正文

[/wiki/static/upload/d8/d83e2de1-71dc-4f14-afc3-a040f4

要说人工智能领域的课程，斯坦福大学客座教授吴恩达的《机器学习》（Machine Learning）堪称经典。该课程最开始于2012年在Coursera上线，10年间已经吸引了近500万人注册。《机器学习》课程主要介绍了机器学习、数据挖掘和统计模式识别的基础知识和实践经验。   然而，近日Stanford Online 和 DeepLearning.AI 团队宣布了一项重要通知：《机器学习》课程将从 2022 年 6 月 14 日起关闭在 Coursera 上的新学员注册。此外，对于正在上《机器学习》课程的学员来说，该课程将不会再更新。

这个

\

AI量化策略快速理解

https://bigquant.com/wiki/doc/celve-Uu3N6WbJNJ

*机器学习

职责

1、参与大数据分析，大数据处理，数据挖掘等系统的设计和开发

2、根据业务需求进行数学建模，设计并开发高效算法，并对模型及算法进行验证和实现

3、关注人工智能相关算法的业界动态，并结合业务情况进行技术预研

要求

1、计算机或计算机相关专业，硕士及以上学历

2、扎实的算法和数据结构功底，熟悉掌握Java，Scala，Python至少一门编程语言

3、熟悉hadoop/spark等分布式计算技术，熟悉运行机制与体系结构

薪资：50-120W+年终

*C++开发工程师

职责

1. 参与交易平台的设计、开发与测试，实现交易策略、风控等需求

2. 开发交

*机器学习 职责 1、参与大数据分析，大数据处理，数据挖掘等系统的设计和开发 2、根据业务需求进行数学建模，设计并开发高效算法，并对模型及算法进行验证和实现 3、关注人工智能相关算法的业界动态，并结合业务情况进行技术预研 要求 1、计算机或计算机相关专业，硕士及以上学历 2、扎实的算法和数据结构功底，熟悉掌握Java，Scala，Python至少一门编程语言 3、熟悉hadoop/spark等分布式计算技术，熟悉运行机制与体系结构

薪资：50-120W+年终

*C++开发工程师 职责

1. 参与交易平台的设计、开发与测试，实现交易策略、风控等需求
2. 开发交易接口与行情接口，完

报告摘要

主要观点

本篇是“学海拾珠”系列第二十三篇。作者在本文中证明，指标对因子收益的预测能力是视预测时长而定的，同时受指标与因子收益的时变关系以及数据挖掘的影响。尽管有这些挑战，但只要投资者能切实地意识到因子择时的局限性，因子择时仍有可能成为非常好的工具。

• 因子表现随时间变化很大

产生因子溢价的主要来源包括风险暴露的补偿、由于市场参与者的不理性而产生的回报以及市场摩擦的影响。这三个因素中的每一个因素，都会随时间变化而波动。

• 五类信号可以预测因子的回报

因子的回报可以通过金融环境、经济环境、情绪、价差和动量这五类信号来

https://bigquant.com/experimentshare/b6bb3c84df0c4da5bb0b495bc52feb06

\

摘要

支持向量机（support vector machine,SVM）是数据挖掘中的一项新技术，是借助于最优化方法解决机器学习问题的新工具。它成为克服“维数灾难”和“过学习”等传统困难的有效办法，虽然他还处在飞速发展的阶段，但它的理论基础和实现途径的基本框架已经形成。支持向量机目前主要用来解决分类问题（模式识别，判别分析）和回归问题。而股市行为预测通常为预测股市数据的走势和预测股市数据的未来数值。而当我们将走势看作两种状态（涨、跌），问题便转化为分类问题，而预测股市未来的价格是指为典型的回归问题。我们有理由相信支持向量机可以对股市进行预测。

本报告将从实际应用角度出发，用沪深300

摘要

研究背景

我们在之前的行业轮动系列报告中挖掘了几大类的行业因子，例如，量价、宏观、情绪面、高频因子、预期基本面、历史基本面、公募基金观点等。这些因子通常可以分为两类：行业本身的特征以及基于共同外生变量变动的行业预期收益，但这两类因子都没有考虑行业之间的关联性。因此，在本篇报告中，我们从另一个角度研究行业收益的可预测性：相关行业的滞后收益率。

理论基础

投资者处理信息的能力有限，当某个行业出现信息或冲击时，专门从事相关行业的投资者可能也无法迅速把握冲击的全部影响。因此，信息会逐渐在各个行业间扩散，导致不同行业的股票价格先后响应。这一现象构成了某些行业滞后收益率

摘要

创业板50近期的强势表现离不开它的科技属性，但过往的分析通常只关注成分股本身的特征，如行业分布，等等。而科技是一个全球化分工的行业，每家公司可能只是整个生产链条中的一个环节。近期投资者颇为关注的新能源汽车和5G等主题，均属于这种类型。因此，分析创业板50在整个产业链，尤其是科技产业链中的特征和优势，有助于更好地理解和发现创业板50的投资价值。

创业板50指数的成分股具有科技行业集中度高、科技公司的属性纯正以及与前沿科技密切相关三大特征。

1. 创业板50中权重最高的FactSet一级行业是科技，其次是同样和创新息息相关的医疗健康。
2. 创业板50中科技行业的营收占比

摘要

近年来，对于主题型投资机会的研究逐渐成为市场的热点。一方面，随着被动化投资的兴起，各类主题指数基金受到越来越多投资者的关注。另一方面，同一主题下股票收益的共性及领先-滞后关系的研究，也是当前量化选股模型的一个重要补充。因此，本文借用FactSet的供应链与深度行业分类数据，提出一种自动化程度可调节的主题组合构建框架，以满足各类型投资者的不同需求。

主题组合构建步骤

1. 找到与主题相关的若干龙头公司；
2. 获取龙头公司的共同业务；
3. 获取龙头公司的共同供应商及其共同业务；
4. 将龙头公司业务交集与共同供应商业务交集合并为一个集合，遍历所有上市公司，获取至少从事

摘要

FactSet深度行业分类（RevereBusinessIndustrialClassification System，RBICS）数据。一套精确的结构化公司分类体系。利用FactSet独有的Revere Hierarchy行业分类，构建有固定层次的6级结构。

作为一类自下而上的分类方法，该体系利用每个公司的产品与服务信息，对它们进行精确、细粒度的行业划分。这种分类方式正在为越来越多的投资者接受与认可，被广泛应用于各种细分行业或特定主题的指数编制以及投资组合的构建中。

FactSet供应链（Supply Chain Relationships）数据。供应链研究是当前证

摘要

量化因子计算可以定义为一种基于初等计算函数与一阶谓词逻辑的递归过程。

量化因子的本质是股票的某种数量化特征，一般需要通过对股票某些数量信息进行计算得到。与计算机函数从“函数输入出发，输入函数计算，得到函数输出”相类似，量化计算过程也可以拆解为“从量化指标出发，输入量化计算，得到新量化指标”。由此可见，计算机函数构成的基本逻辑——递归过程也同样适用于因子计算架构。

**定义量化指标的计算过程有计算机语言与XML文本两种方式。**由于λ算子与图灵机、递归函数等价，因此无论是基于λ算子的函数式编程语言，还是基于图灵机的过程、命令范式语言，都可以用来构建量化计算过程。在定义逻

摘要

知识图谱的介绍。知识图谱的概念最早于2012年由谷歌提出，是一种直观显示各个实体关联信息的有效数据结构，旨在描述真实世界中存在的各种实体或概念及其关系。它脱胎于“语义网络”，随着网络和计算机技术的发展而逐渐演变。目前，知识图谱一词已经成为知识应用领域的一个通用词汇，不仅仅局限于谷歌搜索引擎的知识库及服务功能，而成为了人工智能领域炙手可热的概念。

知识图谱的构建与应用技术

构建知识图谱的本质是一个从数据采集，数据建模到数据存储的过程。

1. 通过结构化数据库、爬虫等方式获取知识图谱原始数据；
2. 对数据进行预处理。其中，文本数据往往需要借助自然语言处理技术；
3. 提取数据

\

\

英文书籍的特点就是废话是比较多的，写这个系列也是挑出精华部分，另外加上自己在实操中的一些东东，进行修改，但是是按照书的内容精神走。

英文书籍的特点就是废话是比较多的，写这个系列也是挑出精华部分，另外加上自己在实操中的一些东东，进行修改，但是是按照书的内容精神走。

回测文件格式

做交易时往往涉及到不同的交易品种，一般会按品种区分文件夹，如下图（这里是下载了所有的主力合约，就是每天交易量最大的合约）：

![](/community/uploads/default/original/3X/b/2/b26c049cb581ce92fde5b55427fde5e2aa7ac907.j