一、作业结论：

本次作业采用了线性回归和xgboost两种模型：

年收益分别是：线性回归30%、xgboost 52%。

二、作业过程：

1、搭建模型的框架

（1）框架的模型是按照“滚动训练策略”搭建起来的

（感受：原本自己在结合AI 搭建的，后来因为处理各种各样的错误花了很多时间，所以就直接借用了）

（2）策略搭建后直接测试线性回归，然后替换框架内的模型测试xgboost模型

（感受：搭建框架后相对简单多了，就是替换对应模型的代码，更多的是需要等待模型的训练）

2、加入因子进行训练

（1）用的都是“滚动训练策略”，有些经过微改

（

对比两个版本

1-因子和模型同样重要，因子是食材，模型是厨师，缺哪个都不行，好因子+差模型也很难跑出比较好的收益。如果是确定的模型，确定的数据来源，哪怕只是改回排序，做好特征，绩效也有明显提升

2-同样的因子，在xgboost上面表现更好，可能是对短期规律的学习更强，在市场风格转换阶段，更容易损失，在市场风格比较明确的阶段更容易把握

[https://bigquant.com/codesharev3/61db5

•因子更重要还是模型更重要？

我认为因子更重要，只有好的因子才能做出好的策略。

相同因子下不同模型的区别：

每次训练时间比较长，时间有限，只跑了线性回归的策略。而且收益也没有调的很好。

后续有时间再持续优化，并跑其他策略比较。

https://bigquant.com/codesharev3/e70d145b-3a0d-4f3b-bb4e-df2b8a905e12

\

• 因子和模型同样重要，因子和模型的组合决定了量化交易策略的效果。

• 不同因子在相同模型下的回测表现差异巨大，相同因子在不同模型下的回测表现也各不相同（图1vs图2）。

• 因子决定潜在收益空间，模型能够提升回测和实盘中的收益表现。

• 模型和因子的相对重要性会随着环境变化而变化。

  
  线性回归回测——图1：

  

  
  XgBoost回测——图2：

  ![](/wiki/api/attachments.redire

1.什么是量化投资

量化投资，简单说就是“用数学和算法代替人脑做买卖”。它把选股、择时、仓位、等所有环节都写成可计算、可回测的规则，然后让电脑按规则执行。核心要素可以拆成三块：

1. 研究什么\n• 因子：把股票好坏翻译成可量化的指标，如估值、动量、情绪、突发事件等。\n• 产生交易信号：因为现在宽帮可以自动交易，用这些因子生成“买/卖/持有”的指令。
2. 在哪用\n• 选股：在同一时间点比较所有股票，挑出未来预期收益最高的组合（横截面）。\n• 优选10只票：判断单个标的未来涨跌，决定进场时点（时间序列）。
3. 宽帮适合多快的交易频率\n• 中低频：持仓几天到几个月，赚的是趋

https://bigquant.com/codesharev3/0a5687f3-4bb5-4506-b297-f4accfad4bf8

\

https://bigquant.com/codesharev3/dcd94c17-1d07-48f9-ae8f-9dab0cc7f9c1

测试下来，这个算法对因子特别敏感，默认因子回测的效果非常好，我替换几个平时表现好的因子后发现效果会差很多，另外，当将股票底池设置为主板和创业板后，收益下降也很明显。

1、我现在是否理解量化投资的逻辑以及和主观投资的区别；

$在投资逻辑上应该没有本质的区别，量化投资逻辑也是主观策略的落地实现。只不过

1、一个策略很难一直挣钱，穿越牛熊。

2、AI策略对捕捉风格的变化应该是一个很重要的研究方向。

3、AI策略是一个黑盒子，如果能够像线性策略一样公式描述就好了。

4、不知道应该放什么因子进去，放多少因子进去，因子和因子之间应该保持什么关系（低相关性？）

5、需要滚动学习才有意义，我提交的今天的作业是用ai策略回测2024-2025的收益，但是如果用2022-2023的特征训练，感觉方法论有问题，2024-2025市场一直在变，而模型用的是2022-2023的经验。收益可能还不如简单的线性策略。

6、2024.10之前屎一样的存在

6、持续学习，挣钱买显卡。

7.代码分享好像出了

https://bigquant.com/codesharev3/aab9f23a-14b9-437b-a597-cafee691fa5a

主要还是从技术面做了优化，没有达到1.5的夏普，主要优化思路：

构建波动性、价格、动量和流动性因子，来提升收益和降低波动率，主要是将头尾异常的股票做过滤。

也看了其他同学做的比较好的案例，要有较大提升这种过滤的方法是不够的，还是需要找到能够跟小市值媲美的因子做因子的合成。

1、请回顾你过去的交易经验，选择一个你曾经使用过的交易方法，尝试用量化的方式重新表达出来（用文字描述，无需代码实现）

 龙回头战法：选择前期热门板块的龙头股，且上涨期间量价同步，在回调过程中，成交量缩量到支撑位买入。

 量化表达：

 (1)定义板块动量因子确定热门板块

 (2)定义股票动量因子确定热门板块中的龙头股，并通过量价关系因子过滤出量价同步的股票

(3)通过步骤1和步骤2，形成龙头股票池

(4)定义反转因子和量价关系，验证这两个因子在步骤3的股票池，龙回头战法逻辑是否成立。如果成立，通过IC、多头收益确定因子方向和权重。

(5)通过步骤4中的因子通过因子合成或机器

【今日作业】

1、请回顾你过去的交易经验，选择一个你曾经使用过的交易方法，尝试用量化的方式重新表达出来（用文字描述，无需代码实现）。

之前是主观投资，即通过判断公司的产品对于市场的未来需求来选择的。比如说circle 的稳定币的作用，结合美国国债的压力和特朗普的做事风格；还有小米的Yu7

2、在看完从0-1开发量化策略之后，请自己总结一下量化策略开发的主要流程。

[策略假设] → [数据获取] → [因子生成] → [模型建模]

 ↓             ↓             ↓           ↓

[数据清洗] → [因

1、请回顾你过去的交易经验，选择一个你曾经使用过的交易方法，尝试用量化的方式重新表达出来（用文字描述，无需代码实现）。

答:股票池筛选:当连续10日最小值大于34日均线的0.99倍时纳入初选股票池;若获利筹码高于73%，则买入；当最大值低于34日均线时卖出。

2、在看完从0-1开发量化策略之后，请自己总结一下量化策略开发的主要流程。

答:1、进行单因子分析筛选出IC和IC_IR较高的因子,积累初步的因子库;

2、对有效的因子进行单因子选股回测，看看初步效果，确定哪些因子是核心收益率因子，哪些可用于控制风险，并对这些有效因子进行相关性分析；

3、选择前面有效的收益因子进行机器学习或

导语

平台已经整理好新旧因子对比，可以在基础特征抽取里面直接抽取。

A股

量价因子

2个相同的模板，参数一样，数据一样，同样的因子，换了个模板，结果天差地别，到底是哪里出现了问题，

哪个是正确的，哪个出问题了\n\n第一个是新建的模板策略

https://bigquant.com/codesharev3/e00be70e-dc29-4df0-b7b2-516258ddf9bd

第二个是周一直播分享的机器学习模板

[https://bigquant.com/codesharev3/38c7cd41-faee-4c1e-83

直播回放：点击此处查看

{{pro}}

[https://bigquant.com/codesharev3/c51a0952-fcd2-4524-8777-2869b38f78d2](https://bigquant.com/codesharev3/c51a0952-fcd2-4524-87

问题

如何提取除了主成分分析以外比较重要的因素？

视频

https://www.bilibili.com/video/BV16L411u7sw?share_source=copy_web

\

MeetUP直播答疑 时间：3月28日（周四）19:00 直播地址：B站（https://live.bilibili.com/21929948）

以下问题解答，对应源码请访问子目录， 本次MeetUP 直播答疑大纲如下：

\

一、因子分析中的行业因素

1. 如何构造板块因子或行业因子？
2. 行业间涨跌的相关性，对于行业的划分颗粒度和行业

在因子分析中加入行业、板块、或者其他类型的对股票分组的方式，有两种思考方式：

• 一种是直接将这种因素当作一种分组方式
• 一种是在因子分析中，不按照因子值进行分组，而是按照行业或板块进行分组，看因子值在这些组内的IC

\

1. 使用行业或板块将全市场股票分组

第一种研究方式就是将全市场股票，按照行业或者板块分组，研究每组的累计收益率，本质上来讲就是把行业或板块当作了因子

[https://bigquant.com/codeshare/2381cb8d-362e-425a-a24b-620c46555bf8](https://bigquant.com/codeshare/238

{{membership}}

https://bigquant.com/codeshare/f453e786-716d-4f3f-97d6-24adaae54a00

\

{{membership}}

https://bigquant.com/codeshare/323b5380-95d7-4410-a1ff-2116b3933d35

\

2021年4月22日Q1&Q2问题：

策略案例

https://bigquant.com/experimentshare/d50c07db9f7f45168dd745027c04b6d8

\

因子组合

• 为什么因子IC、IR好，SR表现变差？
• 为什么SR好的因子组合后SR变差？如何提升因子组合表现？

SMA计算

• 如何以同花顺、通达信的计算方式在bigquant计算SMA指标？

文寅斐老师专属邀请码：o9ipry

使用此邀请码开通plus会员立减100元，赠送10000宽币

添加小Q再领取300元优惠券，二者可叠加使用哦～

打开微信扫描下方二维码添加小Q👇👇

![](/wiki/api/attachments.redirect?id=151a5956-b72c-4b0b-ba0c-9a0d9ea9f8b4

此为0527Meetup直播策略讲解，视频详见2021-AI量化Meetup导览

https://bigquant.com/experimentshare/edab29d0ffad4e039a9c1f5fed1fa870

\

目前平台提供新版的因子分析模块, 请移至bigalpha

7月30日Meetup 模板案例：

策略案例

https://bigquant.com/experimentshare/b83f6a9c950a43a595d41f1d911dcaca

\

选取了IC较高的因子后，如何合成一个策略，一般步骤是什么

在因子开发研究完之后，选取了|IC|较高的几个因子后，一般如何合成一个策略，即在工程方法论上的一般步骤是什么？比如应该如何选择哪些模型进行合成（树模型or深度学习模型，是否有规律），分别是否都必须在训练前进行特征工程的处理再训练（去极值、中性化去除相关性），比如是否需要探查各个因子的相关性（如果多个因子存在一定的相关性，一般相关度大于多少需要进行处理，是否需要逐对特征两两取残差）

\

“水中行舟”研报如何用dai的SQL方式来实现？

方正的==“水中行舟”研报==中提到“取市场上所有股票在当日“不分化时刻”的成交额序列