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，

摘要

日历效应简述及成因假说在不同的时间，收益、风险等指标往往存在系统性的差异，这就是所谓的日历效应。日历效应种类繁多并在多国市场中存在。Ariel(1987)发现上半月的收益通常为正，且上半个月收益好于下半月，这一效应被称为“月初效应”。

“上半月做多下半月做空”的简单实验“月初效应”与市场环境相关。月均RPS在(0.5,1]的范围内，策略收益为正的月份数量占比45.12%，收益率中位数为负；RPS在[0,0.5]范围内时，策略收益为正的月份数量占比达67.11%，收益率中位数为2.26%。

基于市场强弱下月初效应的指数投资策略在上证50指数进行测试，策略05年6月-18年

摘要

基金经理的个人特征与业绩本报告建立了一个多维度评价框架，研究基金经理特征是如何影响共同基金业绩的。研究框架包括三层业绩要素：综合业绩、回报和风险、择时和选股能力。通过业绩分解可以发现，各种特征会以不同方式来影响回报、风险和基金经理能力，从而影响综合业绩。但是，获得工商管理硕士学位或拥有CFA证书的基金经理通常具有更好的选股能力，更高的超额收益和更好的综合业绩。

投资组合再平衡管理的另一类方法-叠加期权卖出合约本文探索了通过叠加期权卖出合约来提高投资组合再平衡调整表现的方法。在多资产组合中，组合的权重会随着资产价格的波动而偏离设定的目标，投资经理常常会通过一些再平衡调整的手段来使

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 beta 反映了个

根据彭博最新报道，Man Group的AUM已经达到1514 亿美元。公众号一直有定期发布海外对冲基金AUM的报道。

那，国内的量化私募如何呢？（请看图）

日前，在“AI+金融 数造未来”X-BigQuant1.0系统发布会上，宽邦科技 总经理 梁举\湘财证券 副总裁 周乐峰\西南财经大学经济信息工程学院 副院长、副教授王宇\北京盈科律所 律师 王隐一起圆桌论坛，畅谈了《金融科技的广泛应用的风险与机遇》，内容如下：

图片湘财证券 吴奇奇

投资要点

市场最新观察

展望未来市场的配置，结合最新数据和模型评分来看，我们认为权益市场整体维持震荡走势，而在风格层面则由前期超配小盘和价值的建议转向均衡配置。对于市场整体，我们认为短期难以出现系统性的机会或风险，具体从两方面的数据进行观察：第一，对市场的盈利预期数据进行跟踪，可以观察到分析师对市场盈利增速的预测在9月前呈现逐步上升的观点，但伴随经济增速下行预期的提升，盈利增速预期呈现高位震荡下行的状态，基本面对指数上行的支撑减弱；第二，从跟踪的隐含波动率指数来看，近两个月指标呈现持续下行的状态，**投资者对于市场的分歧和波动风险的担忧也在逐步下降，隐

A股呈现明显的市值效应和行业效应，不少选股因子的alpha也大部分来源于此。如果采用因子的原始数据和股票收益率做相关性检验，选出的股票会明显受到市场风格因素的影响，我们有必要从因子原始数据中剥离这些因素，检验因子是否能贡献行业、风格因素之外的alpha，本报告用新的方法对估值、成长、技术、风险四类因子过去十年的表现重新做了检验总结，并综合给出了最新的推荐选股因子

估值类因子能够稳定地提供超额收益，但是高估值股票的负alpha普遍要比低估值股票的正alpha更为显著，呈现出明显的不对称超额收益，在A股市场缺乏有效的个股做空机制的情况下，难以充分获得估值类因子的alpha

成长类因子在财务因子

https://bigquant.com/experimentshare/2fbb2629dcb0450bbf72e224835b4957

\