更新

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

/wiki/static/upload/bf/bf43777d-70f4-4cfc-be1c-d17c4002d57b.pdf

\

导语

《Machine Learning for Stock Price Forecasting》是Ali El-Shayeb撰写的机器学习系列文章 ，本文主要介绍其第二部分内容——《监督式机器学习算法的应用》，并将其思想和代码应用在中国股票市场，开发出具有择时功能的监督式机器学习算法，最后进行策略回测。对此感兴趣的小伙伴可以直接在本文文末克隆策略源代码，进行深入和扩展研究。

《监督式机器学习算法的应用》

Ali El-Shayeb通过价格和成交量相关的9个特征训练模型，特征列表和数据来源见下图。

![](/community/uploads/default/origin

算法交易顾名思义就是采用某些算法让计算机自动进行交易决策、下单以及订单资金管理等一系列操作。算法交易系统和一个基于事件的回测系统组成非常相似，这一点在搭建回测系统系列文章中有所提及。一般来讲，算法交易系统由数据模块、模型模块、执行模块以及算法监测模块这几大部分组成。

• 数据模块

数据模块包含结构化和非结构化两部分的数据。结构化的数据一般包含品种的交易数据以及公司的金融数据；非结构化数据则包括新闻、社交网站等文本数据，这些数据需要一些专门的文本分析挖掘工具来进行处理。

• 模型模块

应用于算法交易的模型主要有这样几类。一类是数学统计类模型，这类模型通常采用概率论的方法去度量风险因子、用

The Journal of Portfolio Management February 2022

Predicting Performance Using Consumer Big Data

Kenneth Froot, Namho Kang, Gideon Ozik, Ronnie Sadka

在这篇文章中，我们研究了大数据预测公司基本面和股票收益的能力。Froot et al.(2017)使用了大约60家公司的店内销售信息，而我们整合了不同的数据源，使用了覆盖330家公司的另外两种类型的信息——网络流量和品牌知名度。我们研究这三种类型（店内销售信息、网

摘要

文献来源：Vyas, K., and Van Baren, M. 2021. Should equityfactors be betting on industries? The Journal of Portfolio Management 48(1),73–92.

推荐原因：资产管理公司越来越多地将非传统股票因子应用于选股。这些因子存在不同程度的行业暴露。部分选股因子会因行业暴露获取更高的超额收益，而有些则会降低收益。本文评估了价值、质量、动量、低波和规模等五大投资风格中的21个选股因子的行业配置效率。结果表明，同一投资风格的不同选股因子在行业配置上的回报表现出显著

文献摘要

HML因子中的细节

文献来源: Clifford Asness andAndrea Frazzini, 2013, The Devil in HML’s Details, The Journal of Portfolio Management, volume 39 number 4.

推荐原因：Fama 和 French标准的价值（B/P）度量方法是一个合理的、保守的选择，对这个领域起到了很好的作用。但这不是最好的选择。本文对B/P计算指标的时效性进行了研究，会对组合投资策略的有效性产生很大的影响，时效性越强的B/P在使用价值和动量对策略做风险调整

摘要

文献来源：Dopfel, Frederick E., and Ashley Lester. "Optimal blending of smart beta and multifactor portfolios." The Journal of Portfolio Management 44.4 (2018): 93-105. 推荐原因：随着机构投资者增加对smart beta基金的配置，以及多因子投资方法带来的复杂性提升，投资者们需要一个smart beta产品组合的配置指引。在设计一个多样化和高效的投资组合时，需考虑到因子的偶发性敞口和特殊敞口。因此，本文开发了一个标准框架，以

摘要

文献来源：Kushner, Joseph. Two Types of Factors: A Return Decomposition for Factor Portfolios. The Journal of Portfolio Management. 43. 17-32. 10.3905/jpm.2017.43.4.017.

推荐原因：股票收益可以分解到业绩增长与估值变化两个维度，本文将股票收益分解方式扩宽到了因子维度，分析了价值、动量、质量和V-Q(bp因子和GP2A因子的排序分位点均值)这四个常见的量化选股因子的收益来源：价值因子和V-Q因子通过股票的估值增长获取

https://bigquant.com/experimentshare/4f0628d6e9814924a0b0dbf375356d06

\

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

https://bigquant.com/experimentshare/1eb503d1a209469aaf998b5c61f2da3b

\

/

https://bigquant.com/experimentshare/3cbd09c0d13244e993b3e17afdb0479e

\

策略案例

https://bigquant.com/experimentshare/207001f0d7eb4b15b31875d2e205503a

\

The Quantitative Approach for Sustainable Investing

作者：Sorensen E,Chen M, Mussalli G.

出处：The Journalof Portfolio Management，2021-08

摘要

ESG（也称为环境、社会和治理）投资目前引起投资界的浓厚兴趣。在本文中，作者考虑了与 ESG 投资相关的突出挑战以及量化方法如何解决这些挑战。与可持续投资的基本方法相比，作者认为定量方法有几个优点：这些方法可以建立并扩展现代投资组合理论的庞大分析工具箱，将投资者偏好纳入投资组合构建；这些方法可以利用最近的数据

\

摘要

文献来源：[1] Jacobsen, Brian, Wai Lee, and Chao Ma. "The Alpha, Beta, and Sigma of ESG: Better Beta, Additional Alpha?." The Journal of Portfolio Management 45.6 (2019): 6-15.

推荐原因：投资者不再将投资作为统计对象，使其组成最优投资组合，而是越来越关注在环境、社会和公司治理(ESG)维度的投资。分析师过去是以定性的方式评估这些维度，但许多数据提供商正试图对这些维度进行评分，从而有效地量化定性的

摘要

文献来源：Park, Sangkyun. The P-E Ratio, the Business Cycle, and Timing the Stock Market. The Journal of Portfolio Management, forthcoming November 2021.

推荐原因：本文利用1871-2020年的月度股市数据，分析了市盈率与未来股票市场表现之间的关系，以及错误定价是否为股市择时提供了机会。研究发现，市盈率与已实现的股权溢价成反比；而与公允市盈率这一基本面指标成正比。这些发现表明，市盈率可能同时反映了被误导的市场情绪和理性的投资者预

文献来源：Aharon D Y, Qadan M. The Size Effect Is Alive and Well, and Hiding behind Calendar Anomalies[J]. The Journal of Portfolio Management, 2019: jpm. 2019.1. 088.

推荐原因：自上世纪80年代就有国外学者得到实证结论，规模效应正在逐渐消失。在这篇文章中，作者检验了1926年至2014年该金融异象的稳定性。在实证中发现，规模效应在多个日历效应，如一月效应，万圣节效应，马克吐温效应，其他一月效应，月初效应等等下均有显著

摘要

文献来源：Ron Alquist, Andrea Frazzini, Antti Ilmanen, Lasse Heje Pedersen. Fact and Fiction about Low-Risk Investing[J]. The Journal of Portfolio Management. May 2020, 46 (6) 72-92.

推荐原因：过去10年里，包括股票和其他资产在内的低风险投资受到了广泛关注。本文指出了关于低风险投资的五个事实和五个误区。

事实是：低风险投资

1. 历史收益一直很高；
2. 样本外表现也非常可观；
3. 在许多国

摘要

文献来源：Blitz, David. Hanauer, Matthias. Settling the Size Matter: The Journal of Portfolio Management Quantitative Special Issue 2021, 47 (2) 99-112.

推荐原因：规模溢价自被发现已有近四十年，然而规模因子的alpha一直很微弱，但是当控制质量因子(quality-versus-junk)暴露时，因子似乎又恢复了活力。本文发现，在美国市场，规模因子对质量因子回归后呈现出非常显著的alpha，然而超额收益主要由质量因子的空头端驱动，

摘要

文献来源：Blitz D. The Quant Crisis of 2018–2020: Cornered by Big Growth[J]. The Journal of Portfolio Management, 2021.

推荐原因：我们考察了2018-2020年量化危机期间股票因子组合的表现。在这一期间唯一的优胜策略是投资最大并且最贵的成长股。其他因子只有在隐性暴露大盘成长时才能够有效。小盘股整体上弱势。因此，2018-2020年跑输的策略不计其数，而本质上仅一种方法能够跑赢。与此次量化危机相比，历史上的历次价值回撤以动量回复为主要特征。此外，小盘股通常仍然

20200514-国盛证券-量化专题报告：利率债收益预测框架——大类资产定价

/wiki/static/upload/63/632174fd-6d0d-47e1-a63e-cb2799d0406f.pdf

\

摘要

桥水基金对风险平价和全天候策略的一些思考关于风险平价一直存在一些争论，桥水基金作为提出者以及最大的风险平价策略的管理者回答了一些关于风险平价的问题。本期文献推荐我们对该报告进行了翻译。本篇报告首先阐述了风险平价策略的原理，然后介绍了桥水基金的全天候策略，并比较了该策略与传统策略的表现。最后，桥水基金回复了关于风险平价的几种质疑。

风险因子的风险平价投资组合构建与风险预算是许多学者和从业人员关注的焦点，特别是，分散化投资已经引起了很多人的兴趣。在这篇论文里，我们通过将组合风险分解到不同风险因子上实现投资组合风险分散化的目的：首先，我们推导了风险因子的风险贡献和资产的风险贡献之间的关

摘要

文献来源：Dopfel, Frederick E., and Ashley Lester. "Optimal blending of smart beta and multifactor portfolios." The Journal of Portfolio Management 44.4 (2018): 93-105. 推荐原因：随着机构投资者增加对smart beta基金的配置，以及多因子投资方法带来的复杂性提升，投资者们需要一个smart beta产品组合的配置指引。在设计一个多样化和高效的投资组合时，需考虑到因子的偶发性敞口和特殊敞口。因此，本文开发了一个标准框架，以