本文回顾2017年四季度的量化投资策略，重点探讨了多因子模型的构建与优化，包括因子选择、权重调整和数据预处理。同时，介绍了神经网络和强化学习在股票市场中的应用，展示如何利用这些技术进行选股和指数增强。此外，还讨论了小波去噪在提升预测成功率上的作用，以及趣味性的交易思考。
阅读原文请点击链接：https://www.ricequant.com/community/topic/4691/?utm_source=CSDN
白马过隙，随着最后一代90后正式踏入成年大关，我们也与2017正式说再见。在过去的一年里，公众号的粉丝成功翻番。在我们普及金融科技教育的同时，收获了与用户间的深厚友谊。本篇文章将为大家梳理2017年四季度一起度过的美好回忆。
多因子系列
在多因子量化投资体系中，具有稳定的预期收益，可解释的经济驱动理论，与其他因子的低相关性是选择alpha因子的关键指标。本篇文章中，作者以此为因子选取标准，简单地构建了自己的因子库，总共包括八个大类因子，每个大类因子中包含四到五个子类细分因子。为了比较不同的权重优化方法的优劣，作者首先采取不同的方法对各个大类因子下的细分因子进行合成，确定了不同大类因子的各自最优的合成方法；其次，通过不同权重合成方法对合成的大类代理因子进行二次权重合成，并比较了这些不同合成方法下的因子表现差异。
（逐步回归（stepwise）流程图）
在量化交易中
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
