夏普比率（Sharpe Ratio）是衡量投资表现的一个指标，它通过比较投资的超额回报与其承担的风险来评估投资的性价比。由诺贝尔奖获得者威廉·夏普提出，是风险调整后的回报的一种度量。

通过BigQuant量化平台的金融市场数据因子以及AI量化策略平台（PC端），可以验证夏普比率因子组成的AI量化策略有效性。

![](/wiki/api/attachments.redirect?id=8df056d7

摘要

两年前，因子动物园推送第一篇推文，正式同您认识。两年来，我们也一直在思考，因子与因子模型可以做些什么，以为我们提供更多的洞见。本文将结合近年的新研究，和我们的理解，对此进行探讨。

传统上，因子和因子模型都是以预测股票未来收益（和风险）为目的。无论从学术研究（资产定价）还是投资实践来看，这都是非常自然的事情。由此自然地构建起了一套以各种公司特征为基础的因子（定价因子和异象），以及包含不同因子的因子定价模型（往往只包含较少数量的因子，以保证模型的简约性）。关于这些经典问题，可以参考任意一本关于实证资产定价的书，以及我们 BetaPlus 小组的拙作——《因子投资：方法与实践》。

贝塔系数（Beta）是衡量一项投资相对于整体市场波动的指标。它是资本资产定价模型（CAPM）的关键组成部分，用于计算资产的预期回报和风险。贝塔系数反映了个别股票或投资组合相对于市场基准（如标准普尔500指数）的波动性。

BigQuant的金融市场数据因子平台以及AI量化策略平台（PC端），可以验证Beta贝塔系数因子组成的AI量化策略。

![](/wiki/api/attachments.redirect?

金钱的故事视频合集

https://www.bilibili.com/video/BV1hQ4y1P7Td

\

金钱的故事

金钱的故事(又名: 金钱本色 / 金钱崛起 / 金钱的故事 / A Financial History of the World)以最简单的方式，讲解大家难以理解的金融现象，现金、资本、货币、财产……它有无数个代名词。但究竟“金钱”是什么？它从何而来，要往哪里去，又是怎样影响到我们今天的社会？本系列节目从一个全新的角度为大家讲解金钱的故事，让你知道金融演化进程背

因子研究

在金融投资领域中，因子研究是量化投资的重要组成部分。这是一种研究和分析股票、债券等金融资产的性能和风险的关键手段，以揭示影响投资回报的基本因素。

因子研究的核心价值在于，它可以揭示那些对投资回报产生持续影响的变量，如市值、质量、动量、低波动性、收益率等。这些因子在历史上已经显示出对投资回报的显著影响，因此，对这些因子的深入理解和应用，对于量化投资策略的建立至关重要。

通过量化方法，如统计和数学模型，因子研究可以帮助投资者更好地理解资产的性能和风险，从而优化投资组合，实现风险和回报的平衡。因子研究的结果还可以帮助投资者一定程度上预测未来的市场趋势，从而做出更加科学和

导语

了解了因子、标注和机器学习模型算法的基本知识后，面临的就是如何开发好的策略。寻找的因子是建立策略的基础，通过组合多个有效因子可以构建比较好的策略。本文主要介绍单因子分析模块的使用，通过该模块可以帮助大家检测评判单个因子的质量，为策略构建夯实基础。

因子、风险与阿尔法

因子的本质是一个信息流，也可以看做一个数学表达式，数据的变化反应并包含了投资信息，同时也代表了一个投资模式。

例如：收盘价close这个因子表达式，背后的假设就是股价越高未来收益越大，以此因子构建组合的权重比例其实就是定期轮仓购买高价股的投资模式/策略。

通常而言那些能够持续产生超额收益的因子或

导语

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：

1. 多因子模型、定量管理、风险、投资组合等偏经济学方面的定义
2. 多因子模型的构建流程：准备工作，收益模型，风险模型，优化模型
3. 介绍各种因子，并介绍如何识别因子有效性
4. 介绍如何回测，检验收益

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

研究结论

传统多因子模型采用月频调仓，但实盘中提高调仓频率会带来两个好处

一是减小技术类alpha因子的IC衰减

二是提高风控频率降低风险。随着2016年底开始的技术类因子失效

前者的作用减弱，但后者的作用仍在

固定月频的调仓模式忽略了月中组合的风险敞口变化，所以有必要在月中实施风险监控，提升组合的调仓频率，从而同时改善组合的收益与风险。动态调仓监控风险的核心策略是：在原有固定月频的调仓基础上，在月中每日监控市值因子的暴露情况，如果市值因子敞口超过一定的阈值，我们就在下一个交易日调仓，从而使得组合风险再次中性。

和固定周频调仓模式比，在市场低波动、组合风险敞口变化不大

摘要

什么是风险模糊？投资者知道他知道什么（knownknowns）产生期望；投资者知道他不知道什么(knownknowns)反映风险；而投资者不知道他不知道什么的程度（unknownunknowns）表征风险模糊。风险模糊度刻画了未知概率分布的不确定性。在风险相同的情况下，投资者决策时有规避高风险模糊的倾向。为什么存在风险模糊厌恶？若投资者对于股票的了解程度不够，那么他投资决策的失败将会归因于无知，而决策的成功则将被归因于侥幸和运气；相反，如果决策者被认为是专家，那么决策的成功更容易被归因于专业和经验，而决策的失败则会被归因于“倒霉”。因而，低风险模糊的股票，投资者预期分歧度低，更

摘要

2018年2月6日，受夜间美股大跌的影响，A股早盘低开后一路下挫。截止收盘，沪深300、中证500和创业板指分别下跌2.93%、4.90%和5.34%。面对这样突如其来的风险，除了提前预判、降低仓位之外，是否还有其他可供对冲的手段，以规避股票组合的大幅回撤。 为此，本文介绍了两类非常简单的低成本策略——时间序列动量和质量因子，它们在股票市场出现大幅回撤时，表现十分突出，能够帮助投资者免受大幅的亏损。而且，这两个策略即使是在正常的市场环境中，也有着稳健的收益表现。

时间序列动量策略。时间序列动量策略主要应用于期货市场，其思想非常简单。 观察每个品种过去R个交易日的涨跌幅，若上涨则

手指锦江是什么特一药业

摘要

本报告从风险和收益两个方面探讨了主题在多因子模型中的应用。

近年来A股市场股票分化较大，不少主题跑出了独立行情，我们认为研究如何将主题纳入传统的多因子模型十分必要。风险方面，当主题成为市场主要波动来源，如果不对其进行约束，可能会增大策略的风险。收益方面，主题的超额收益是独立于传统因子之外的信息源，如果能使用量化的方法获取主题的收益，则可以提升策略的表现。

主题的选取需要满足一定的条件

主题的成分股除了在基本面上有共同的驱动因素外，其涨跌幅的相关性也需要在统计上显著。我们选取了由中证指数公司等机构编制的主题指数和成分股数据，并使用回归的方法计算

摘要

小市值与低估值的溢价现象长期存在，但短期内溢价效应存在强弱变化

长期来看小盘溢价与价值溢价在 A 股是存在的，历史上的小盘溢价与价值溢价也为量化策略贡献了许多收益。但在短期内溢价效应存在强弱变化，强弱变化会给我们风格投资带来风险。

估值理论认为，股票价格受到未来现金流与折现率两方面的影响

估值理论认为，资产的价值源自于持有它的投资者能够获得的现金流，通过对资产未来现金流的折现来对资产进行估值，是资产定价领域最常使用的方式。因此，股票价格受到未来现金流与折现率两方面的影响。市场收益率可以拆解成为现金流影响部分与折现率影响部分，个股的现金流 beta 与折现率

摘要

本文详细介绍了诺贝尔经济学奖获得者 Robert Shiller 提出的周期调整市盈率（CAPE，Cyclically Adjusted Price Earnings），并就标普 500 和上证综指的进行了一系列分析和对比。  周期调整市盈率。诺贝尔经济学获得者 Robert Shiller 在 1998 年的论文中，首次提出了著名的周期调整市盈率（CAPE，Cyclically Adjusted Price Earnings）。该估值比率的分子为通胀调整后的实际股价（Real Share Price），分母为前 10 年通胀调整后每股实际收益（Real EPS）的平均值。

问题

计算收益时间与hold_day是否需要保持一致？

请问计算收益时间与hold_day是否需要保持一致？如果不一致会有什么问题？

谢谢

问题

请教大家个问题，天梯订阅策略有点不知怎么选择，大家有什么好的评估方法或建议不？

我挑了几个策略不知道如何选择好：

策略一：平台综合排名第1名，累计收益1200+%，前段时间有个比较回撤，目前收益又开始从低位拉升，会不会现在比较有机会

策略链接：https://bigquant.com/live/shared/strategy?id=43946

策略二：累计收益340+%，收益曲线很平滑，最大

想请教下大家, 填写日期跟不填写日期,回测有么有关系?

量化投资大师西蒙斯曾在一次演讲中说，“被美丽指引”是一个很不错的指导性原则。在西蒙斯看来，创办一家量化交易公司“美丽”的一面就在于，找一群正确的人，用正确的方法把事情做正确。

量化投资是一场团体赛，做出成绩需要团队共同的智慧输出。量化投资也是一门平衡的艺术，要不断在风险与超额收益之间寻找平衡点。

有行业专业人士，对超额收益的理解是这样的：超额收益并非只以高低来进行衡量，而是要长期有效、胜率相对较高才能形成有效的阿尔法收益，如果一个指数增强基金长期超额月度胜率（即超越基准指数收益）在60%-70%以上，指数增强阿尔法策略相对有效即被证明。既严谨对待了贝塔风险，不追逐某段时间的暴涨暴跌，同时也

报告摘要

主要观点

本篇是“学海拾珠”系列第四十六篇，本期推荐的海外文献研究了收益的季节性的产生原因。主要考虑了两种潜在解释：风险和错误定价。作者发现不仅存在收益的季节性，同时存在收益的季节性反转，因此一只股票在某个月的高季节性收益被其他月份的低季节性收益所抵消，支持了收益的季节性是由于错误定价产生的猜想。回到A股市场，可以通过类似的方法来研究个股月度上甚至日度上的季节性和季节性反转，利用季节性来增强因子组合的收益。

• 收益的季节性是由于风险还是错误定价

收益的季节性可能来自于风险或错误定价。一项资产如果在某一时期比其他时期有更具风险，那么该资产

近年来，量化投资在国内发展迅速，一批量化私募机构管理规模破百亿，少数头部破千亿，而且相当一部分量化私募在过往一年多时间取得不错的收益。

投资者在享有量化投资收益机会的同时，也在保持清醒的认识，量化投资也存在风险，能否取得超额收益关键仍在在核心团队，与团队建设、IT建设和团队积累的研究框架等密不可分。

1.投资范围更加广泛 量化投资借助计算机技术，搜集的信息更具有速度和广度，投资分析的范围覆盖面更广，基本可达整个市场。同时，量化投资可以针对全市场范围的品种，多角度分析且实现选择，促进交易者获得更多投资机会。

2.程序化交易，避免人为主观因素的影响 量化投资通过回测来证实或者证伪策略的历

摘要

解决资产收益率分布尖峰厚尾与假设不符的问题

通过多项式目标优化法引入高阶矩到马科维茨模型中，提升组合夏普率

本篇报告介绍了资产配置中经典的有效前沿理论和马科维茨模型的数学原理和应用方法，并分析马科维茨模型中对收益和风险的假设与实际市场不符的情况，从而考虑引入高阶矩来拓展模型在资产配置中的适用性。通过测试多项式优化方法（PGP）在原模型基础上加入偏度和峰度的影响，我们发现加入三阶中心矩偏度后的模型能够有效地提高组合夏普比率，并且更换底层资产和回测区间后，模型的提升依旧可靠。

马科维茨模型构建出以均值方差为基础的有效前沿，明确了组合投资目标

马科维茨模

机器学习可以帮助我们进行预测和决策。可以用历史数据训练机器学习模型，来预测某个资产未来的收益率，或者是波动率（风险），然后基于模型预测来进行交易。

比如，在选股策略中，我们可以把股票的量价数据、财报数据、新闻数据等作为输入，让模型预测股票未来收益率，接下来做多预期收益率高的股票，做空预期收益率低的股票。

所以，用机器学习方法的优势，就是处理数据，从数据中获得规律的能力比传统方法要强大。

更多关于机器学习在量化投资中的应用，9月8日18:00，非凸科技的联合创始人&CTO李佐凡为同学们做深入讲解，欢迎准时参加哦@复旦

相关链接：<https://mp.weixin.qq.com/s/Ym

摘要

对于沪深300，熔断后基于2015年净利润的估值倍数是12倍，从7月5日来看，基于2017年净利润的估值倍数为12.82倍，下方风险弱于上方机会，投资性价比显现。

正文

/wiki/static/upload/db/db4fed46-1013-4d87-9201-01b9cf9daf89.pdf

\

摘要

文献来源：Ben Johnson，morningstar.com，2021.06.08，Are Thematic Funds Worthy of the Hype or a Risky Distraction?

推荐原因：主题基金在全球范围的数量和广度都有所扩大。主题基金是新冠病毒流行后的大赢家之一，许多基金在这一时期取得了引人注目的回报。主题基金涵盖了从人工智能到大麻原材料等长期增长的主题。资产管理人不断提供新的基金，复杂度也在不断提升，投资者对基金透明度的要求也有所提高。

![{w:100}](https://

摘要

投资要点

最近一年，科创板和创业板的打新为投资者带来了丰厚的收益，打新需要股票作为底仓，而底仓会承受价格波动的风险。这时，股指期货就成了一个不错的选项，买入股票并用股指期货对冲可以帮助我们获得相对稳定的收益。

本文中我们会探讨股指期货与期权的对冲方案。

对冲成本的度量：年化贴水比例

股指期货合约通常为贴水状态年化贴水比例在2018年、2019年稍低，而在今年年化贴水比例上升到了较高水平。

不同合约上比较，IH与IF合约的贴水比例相对较小，而IC合约贴水比例相对更大。近月合约的年化贴水比例大于远月合约。

从期权合成现货的升贴水比例来看，期权合成现货升水状况更多，