量化交易中,多因子合成是针对因子收益率的合成还是对于因子暴露值的合成?
更新时间:2024-06-29 05:08
学习量化也有一段时间了,BigQuant平台与知乎可以说是我的主要学习战场了,一直在跟着BigQuant学院那个《AI量化训练营》学习,再从从知乎中寻找优秀文章进行补充,最终在平台进行实践,我觉的这样效率很高,我整理了知乎量化交易话题,及程序化交易、宽客、多因子模型等子话题中的精华帖,筛选了高赞的文章及回复,分享给大家,希望大家可以多多交流。
排序 | 文章标题 | 得赞数 |
---|---|---|
1 | [如何看待「清华大学姚班最好的学生都去了华尔街对冲基金做量化交易」这一观点?](https://www.zhihu.com/question/303267316/an |
更新时间:2024-06-11 03:29
更新时间:2024-06-11 02:39
\
\
徐啸寅老师专属邀请码:zvthi4
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👇👇
中首次使用布朗运动分析股票和期权的价格(Bachelier 1900)。然而由于他的观点在当时太前卫,并没有受到足够的重视。最终,Bachelier 没有获得优秀论文,而金融学的发端也没能提前半个世纪。这不禁让人感慨,Bachelier 的小失落,金融学的大遗憾。直到半个世纪之后,Bachelier 的成果才被 Paul Samuelson 发现。
时间终
更新时间:2024-06-07 10:46
更新时间:2024-05-20 10:04
本文为旧版实现,仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
预计算因子表[数据平台] https://bigquant.com/data/datasources/cn_stock_prefactors
https://bigquant.com/wiki/doc/dai-PLSbc1SbZX
[ht
更新时间:2024-05-20 06:21
更新时间:2024-05-17 02:33
使用dai进行数据导入的版本:
https://bigquant.com/wiki/doc/%5Fnew-h9g0emXqk3
本文介绍了如何计算因子风险暴露的内容。
通常,此分析是基于历史数据,而对历史风险暴露的估计可能会影响未来的风险暴露。 因此,计算因子风险暴露是不够的。 你必须对风险暴露保持信心,并明白对风险暴露的建模是否合理。
##运用多因子模型计算因子风险暴露 我们可以运用多因子模型分析一个组合中风险和收益的来源,多因子
更新时间:2024-05-16 09:16
本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明
新版量化开发IDE(AIStudio):
https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW
新版模版策略:
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间:2024-05-15 09:04
本文对华泰证券2016年九月发表的研报《 华泰多因子模型初探》进行了整理与简单的复现,使用的是BigQuant平台上的可视化模板,可供初学者借鉴、熟悉平台的使用以及对因子的理解。 华泰证券-多因子系列之一:华泰多因子模型体系初探.pdf
文章主要有以下内容:
本文将使用平台的可视化模块复现研报中几类典型因子的截面分布、行业市值中性化后的截面分布以及rank分布
更新时间:2024-05-15 02:10
在 反转因子的精细结构-研报复现 中,我们实现了反转因子,并结合StockRanker实现了一个简单的策略。本文展示如何再结合更多因子,一起训练和构建策略。
帮助我们更好的理解特征贡献度。数值越大的,表示因子
更新时间:2024-05-15 02:10
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。
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。
单个资产的多因子模型可以表示成:
![{w:100}
更新时间:2024-03-03 10:49
https://bigquant.com/codeshare/37cf23b2-25d3-4cba-8846-09dd7701ab07
一直有报错,没有跑通,希望老师能帮忙找出问题。
更新时间:2024-02-19 03:30
高频因子的优势:与低频因子相比,高频数据在量化选股中的优势主要体现在:因子拥挤度相对较低、因子多样性好、检验因子的独立样本多。
研究内容:本报告从四类不同的角度构建因子:日内价格相关因子、日内价量相关因子、盘前信息因子、特定时段采样因子。考察了 46 个因子周频选股的表现。
其中,日内价格相关的因子是由日内收益率的高阶统计量和日内价格形态衍生的因子;日内价量相关因子包括成交量分布以及用价量关系构建的因子;盘前信息因子主要是从开盘集合竞价信息中提炼的因子;特定时段采样因子主要是指根据一定规则筛选出重要时段,在该时段采样提取的因子,主要包括尾盘数据构建
更新时间:2024-01-31 08:52
比如我还要引用一个因子 代码该怎么写
更新时间:2023-10-25 03:04