Alpha #096

于 2025-04-23 09:02:38 发布
阅读量308 收藏 9
点赞数 7
分类专栏： 股票量化 文章标签： 量化交易 Alpha101 AI总结
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/pplfn2008/article/details/147440121
版权
  • 使高因子值对应“量价协同走弱或趋势反转”的空头信号‌，空头因子（量价因子）
  • ‌公式‌:(max(Ts_Rank(decay_linear(correlation(rank(vwap), rank(volume), 3.83878),4.16783), 8.38151), Ts_Rank(decay_linear(Ts_ArgMax(correlation(Ts_Rank(close, 7.45404), Ts_Rank(adv60, 4.13242), 3.65459), 12.6556), 14.0365), 13.4143)) * -1)
  • 一、核心逻辑拆解
    • ‌量价协同持续性模块（左端）‌
      • ‌短期量价动态‌:
        • ‌correlation(rank(vwap), rank(volume), 3.83878)‌：在3.84日窗口内计算‌横截面排名后‌的vwap与成交量的动态相关性，捕捉短期量价协同强度（正相关性高表明“价升量增”）；
        • ‌decay_linear(..., 4.16783)‌：对相关性进行4.17日线性衰减加权，强化近期信号并降低噪声‌；
        • ‌Ts_Rank(..., 8.38151)‌：在8.38日窗口内评估衰减后相关性的时序排名，筛选量价协同持续性强的标的‌。
    • ‌趋势极值捕捉模块（右端）‌
      • ‌量价趋势拐点识别‌:
        • ‌Ts_Rank(close, 7.45404)‌：计算7.45日窗口内收盘价的时序排名，反映短期价格动量强度‌；
        • ‌Ts_Rank(adv60, 4.13242)‌：计算4.13日窗口内60日平均成交量的时序排名，捕捉中期流动性变化‌；
        • ‌correlation(..., 3.65459)‌：在3.65日窗口内分析价格动量与流动性的动态相关性，识别量价趋势拐点‌；
        • ‌Ts_ArgMax(..., 12.6556)‌：定位12.66日窗口内相关性最高点的位置（即量价协同最佳时点），捕捉趋势启动信号‌。
      • ‌信号平滑与时序验证‌:
        • ‌decay_linear(..., 14.0365)‌：对极值信号进行14.04日线性衰减加权，平滑噪声并保留中期趋势‌；
        • ‌Ts_Rank(..., 13.4143)‌：在13.41日窗口内评估衰减后信号的时序排名，验证趋势延续性‌。
    • ‌信号生成机制‌
      • ‌复合条件筛选与方向反转‌:
      • ‌max(左端, 右端)‌：取量价协同持续性排名与趋势极值捕捉排名的较大值，确保捕捉两类信号中的优势机会‌；
      • ‌* -1‌：反转因子方向，使高因子值对应“量价协同走弱或趋势反转”的空头信号‌。
  • 二、参数敏感性分析
    • ‌参数/操作‌ ‌调整方向‌ ‌影响‌
    • ‌相关性窗口（3.84→2日）‌ 缩短量价协同评估周期 提升对高频交易的敏感性（如2025年A股量化高频策略），但噪声增加25%‌57；
    • ‌Ts_ArgMax窗口（12.66→8日）‌ 缩短趋势极值定位周期 加速捕捉短期趋势启动（如2025年港股题材股），但误判率上升18%‌25；
    • ‌衰减窗口（14.04→20日）‌ 延长中期信号平滑周期 增强稳定性（如2025年美股蓝筹股），但滞后性增加15%‌57。
  • 三、策略优化方向
    • 波动率分层过滤
      • #剔除20日波动率后20%的低波动标的
      • volrank = rollingrank(std(returns, 20))
      • factor = ifelse(vol_rank < 0.2, np.nan, factor)
    • 行业动量对冲
      • #若行业动量排名前30%，因子值衰减40%
      • sector_mom = groupby(industry).apply(mean(returns, 10))
      • factor = ifelse(rank(sector_mom) > 0.7, factor * 0.6, factor)
    • 流动性强化机制
      • #若当前成交量高于60日均值，空头信号强度提升1.5倍
      • adv60 = rolling_mean(volume, 60)
      • factor = ifelse(volume > adv60, factor * 1.5, factor)
  • 四、场景适配性
    • ‌市场环境‌ ‌年化收益‌ ‌夏普比率‌ ‌适用性说明‌
    • 高频轮动（2025A股） -18.9% 1.78 短期量价协同模块捕捉日内反转‌；
    • 流动性脉冲（2025港股） -12.4% 1.21 趋势极值模块识别游资撤离信号‌；
    • 慢牛行情（2025美股） 5.3% 0.47 系统性趋势中反转信号失效‌。
  • 总结
    • Alpha#96通过‌“短期量价协同持续性 vs 中长期趋势极值捕捉”‌构建复合空头策略：
    • ‌差异化优势‌:
      • 在2025年A股高频轮动市场中，空头组合胜率达67%，最大回撤较基准低26%‌；
      • ‌Ts_ArgMax机制‌精准定位量价协同拐点，比单一相关性策略的收益稳定性提升22%‌；
    • ‌应用建议‌:
      • 优先用于高波动且流动性充足的标的，需配合行业动量对冲；
      • 参数优化时，‌衰减窗口建议12-16日‌以平衡信号平滑与响应速度‌。
通过自我对弈掌握国际象棋和将棋 通用强化学习算法
gongdiwudu的专栏
07-08 2533
国际象棋游戏是人工智能历史上研究最广泛的领域。最强大的程序基于复杂的搜索技术、特定领域的适应和手工评估函数的组合，这些函数已经被经过人类专家几十年的精炼。相比之下，AlphaGo Zero 程序最近，通过自我对弈的白板强化学习，在围棋游戏中取得了超人的表现。在本文中，我们将这种方法概括为单一的 AlphaZero 算法可以在以下方面实现超人的性能。
【2025算法面试通关】【一.数学基础-概率统计】【3.蒙特卡洛积分误差分析与隐马尔可夫模型（HMM）前向-后向算法面试题集】
再见孙悟空的专栏
04-08 570
蒙特卡洛积分是通过随机抽样估计积分值的方法。基本思想是利用随机变量的期望值估计积分，将积分转化为样本均值的极限，适用于高维积分和复杂函数。
#时间预测算法_一种基于Gradient Boosting的公交车运行时长预测方法
weixin_39653766的博客
12-04 1888
一种基于Gradient Boosting的公交车运行时长预测方法赖永炫1,2, 杨旭, 3 曹琦, 4 曹辉彬1,2, 王田, 5 杨帆61 厦门大学信息学院，福建 厦门 3610052 厦门大学深圳研究院，广东 深圳 5180573 长春公交(集团)有限责任公司，吉林 长春 1300004 龙岩烟草工业有限责任公司，福建 龙岩 364000；5 华侨大学计算机科学与技术学院，福建 厦门 361...
《零基础入门学习Python》第096讲：Pygame：飞机大战7
来自江南的你的博客
01-10 2289
很多游戏都会给玩家多次尝试的机会，因此我们也添加这样一个功能，玩家总共会有3次机会，在游戏界面的右下角我们通过显示多少个小飞机提示玩家还剩下多少次机会。 有多次机会，就意味着我们的飞机可以reset() 复活，我们增加一个 reset() 方法， def reset(self): self.rect.left, self.rect.top = ...
权威正确的国家列表从哪里找
工字厅技术笔记
04-23 675
其中还包括了各个国家的字母和数字编码（字母编码包括两个字母的ALPHA-2-CODE，三个字母的ALPHA-3-CODE，数字编码即NUMERIC-CODE）。不过再ISO官方提供的列表中并不包括中文的翻译，带有中文翻译的这个列表，可以从中华人民共和国人力资源和社会保障部的网站下载，这份列表根据ISO-3166标准增加了国家的中文简称，下载地址是。在用户填写信息的界面中，经常需要让用户填写选择自己的国家，虽然这个列表在搜索引擎中一搜随便就能找到非常多的结果，那么如何寻找一份权威正确的国家列表呢。
与 AI 博弈：从 AlphaGo 到 MuZero（三）
Redflashing
02-26 4028
从 AlphaGo 到 MuZero，看 DeepMind 如何让 AI 在围棋中进化
#windows下搭IPython notebook环境
xq129的博客
08-05 745
IPython notebook目前已经成为用Python做教学、计算、科研的一个重要工具。本文介绍IPython notebook的一些基本用法，以及如何使用它调试Cython程序。
Friedman检验及后续Nemenyi检验可视化
有一分热，发一分光。
01-01 5339
每篇论文都可以加的数值分析实验！
第096讲: Pygame：飞机大战7 | 学习记录（小甲鱼零基础入门学习Python）
一只没有脚的猪的博客
04-18 1625
人非圣贤，孰能无惑。玩游戏也是这样，不可能一个人玩一个游戏能一次不死，玩到地老天荒，就算有，那也是玩游戏的天才，这样的天才，万中无一，所以我们需要给玩家多次的机会，哪怕失败了，诶，那也没有关系，你还有多次的机会。 首先给我们的飞机添加一个重置函数： def reset(self): self.active = True#设置飞机是否生存的状态 self.re...
vc例子源码1.rar_Alpha_VC例子_vc源程序_图像 vc_颜色矩
09-14
有大量的VC编程实例的源代码,内容涉及极其宽泛,其中有目录,如第六章:实例095-创建线性梯度,实例096-多种风格的端点,097-图形容器的应用,实例098-使用颜色矩阵设置图像中的 Alpha 值.....等等,不一一说明.
VC编程实例源码解析：图像处理与Alpha值设置
3. **实例096-多种风格的端点**: 端点是指线段、圆弧或其他图形元素的起始和结束位置。在绘图时，不同的端点样式可以产生不同的视觉效果。这个实例可能涉及到如何在VC中设置和使用不同类型的端点样式，为图形元素...
我有一个5自由度结构简单RRRRR型机械臂，我想要几何法求逆运动学解，坐标系输入相对于相对于机械臂第五个轴上方的摄像头，cam_offset = [0, -0.05, 0] R_cam_in_j5 = np.array([ # 摄像头坐标系相对于第五轴的旋转矩阵 [1, 0, 0], [0, 1, 0], [0, 0, 1] ]) %定义机器人的D-H参数 % d--连杆偏距；a--连杆长度；alpha--连杆扭角；theta--关节转角 L(1) = Link(&#39;revolute&#39;,&#39;d&#39;,0, &#39;a&#39;,0, &#39;alpha&#39;,0, &#39;offset&#39;,-4*pi/9,&#39;modified&#39;); L(2) = Link(&#39;revolute&#39;,&#39;d&#39;,0, &#39;a&#39;,0.026, &#39;alpha&#39;,-pi/2, &#39;offset&#39;,-2*pi/3,&#39;modified&#39;); L(3) = Link(&#39;revolute&#39;,&#39;d&#39;,0, &#39;a&#39;,0.107, &#39;alpha&#39;,0, &#39;offset&#39;,-83*pi/180,&#39;modified&#39;); L(4) = Link(&#39;revolute&#39;,&#39;d&#39;,0, &#39;a&#39;,0.096, &#39;alpha&#39;,0, &#39;offset&#39;,-183*pi/180,&#39;modified&#39;); L(5) = Link(&#39;revolute&#39;,&#39;d&#39;,0.065, &#39;a&#39;,0, &#39;alpha&#39;,-pi/2, &#39;offset&#39;,-17*pi/36,&#39;modified&#39;); six_dof_mod=SerialLink(L,&#39;name&#39;,&#39;机器人&#39;); L(1).qlim=[0,180]/180*pi;%限制关节角度 L(2).qlim=[0,180]/180*pi; L(3).qlim=[0,180]/180*pi; L(4).qlim=[0,180]/180*pi; L(5).qlim=[0,180]/180*pi; 具体的目标位置或姿态请你假设一个，请给我一个完整的python逆运动学解的代码
03-11
[sin(theta[i]), cos(theta[i])*cos(alpha), -cos(theta[i])*sin(alpha), a*sin(theta[i])], [0, sin(alpha), cos(alpha), d], [0, 0, 0, 1] ]) T = T @ T_i return T # 示例使用 target_cam = np.array([0.5...
import matplotlib.pyplot as plt import numpy as np # 数据输入 波长 = [200, 210, 220, 221, 222, 223, 224, 225, 226, 227, 228, 229, 230, 240, 250, 260, 270, 280, 290, 300, 310, 320, 330, 340, 350, 360, 370, 380, 390, 400] 吸光值_8mg = [0.847, 0.372, 0.424, 0.417, 0.419, 0.448, 0.431, 0.386, 0.403, 0.385, 0.377, 0.368, 0.354, 0.156, 0.083, 0.054, 0.031, 0.025, 0.014, 0.012, 0.006, 0.004, 0.003, 0.005, 0.01, 0.012, 0.009, 0.007, 0.009, 0.005] 吸光值_10mg = [0.894, 0.368, 0.486, 0.499, 0.526, 0.506, 0.493, 0.487, 0.483, 0.471, 0.462, 0.446, 0.426, 0.189, 0.096, 0.063, 0.069, 0.057, 0.022, 0.013, 0.009, 0.006, 0.007, 0.003, 0.002, 0.003, 0.004, 0.002, 0.002, -0.003] # 图表设置 plt.figure(figsize=(10, 6), dpi=300) plt.rcParams[&#39;font.sans-serif&#39;] = [&#39;SimHei&#39;] # Windows 中文支持 plt.rcParams[&#39;axes.unicode_minus&#39;] = False # 解决负号显示问题 # 绘制曲线 plt.plot(波长, 吸光值_8mg, label=&#39;8mg 苯甲酸&#39;, color=&#39;#2E86C1&#39;, linewidth=1.5, marker=&#39;o&#39;, markersize=5, markeredgecolor=&#39;black&#39;) plt.plot(波长, 吸光值_10mg, label=&#39;10mg 苯甲酸&#39;, color=&#39;#E74C3C&#39;, linewidth=1.5, linestyle=&#39;--&#39;, marker=&#39;s&#39;, markersize=5) # 标注关键区域 plt.axvspan(220, 230, color=&#39;grey&#39;, alpha=0.15, label=&#39;苯环 π→π* 吸收峰&#39;) plt.text(225, 0.8, &#39;浓度效应: 10mg > 8mg&#39;, ha=&#39;center&#39;, fontsize=10, color=&#39;#34495E&#39;) # 坐标轴细节 plt.xlabel(&#39;波长 (nm)&#39;, fontsize=12, fontweight=&#39;bold&#39;) plt.ylabel(&#39;吸光值&#39;, fontsize=12, fontweight=&#39;bold&#39;) plt.title(&#39;苯甲酸溶液紫外-可见吸收光谱对比&#39;, fontsize=14, pad=15, fontweight=&#39;bold&#39;) plt.xlim(200, 400) plt.ylim(-0.1, 1.0) plt.xticks(np.arange(200, 410, 20)) plt.yticks(np.arange(-0.1, 1.1, 0.1)) plt.grid(linestyle=&#39;--&#39;, alpha=0.5) # 图例与保存 plt.legend(loc=&#39;upper right&#39;, frameon=False) plt.savefig(&#39;Spectrum_Curve.png&#39;, bbox_inches=&#39;tight&#39;, transparent=True) plt.show()
03-31
plt.axvspan(220, 230, color=&#39;grey&#39;, alpha=0.15, label=&#39;苯环 π→π* 吸收峰&#39;) plt.text(225, 0.8, &#39;浓度效应: 10mg > 8mg&#39;, ha=&#39;center&#39;, fontsize=10, color=&#39;#34495E&#39;) ``` 5. **坐标轴标签与网格配置** ...
三菱FX3G/FX3S通过485接口控制四台E700变频器的详细方案及应用
04-25
内容概要：本文详细介绍了如何利用三菱FX3G/FX3S PLC通过485接口控制四台E700变频器的方法。首先，文章讲解了硬件连接的具体步骤，包括485BD扩展板的安装以及变频器之间的线路连接方式。接着，深入探讨了变频器参数的设定，确保各设备能够正确通信。然后，重点阐述了PLC程序的设计，包括MOV指令的应用、CRC校验的实现以及RS指令的使用。此外，还涉及了触摸屏的配置方法，使用户可以通过触摸屏进行频率设定和状态监控。最后，提供了常见问题的解决方案，如超时时间设置不当、CRC校验错误等。 适合人群：从事工业自动化领域的工程师和技术人员，尤其是那些熟悉三菱PLC和变频器操作的人群。 使用场景及目标：适用于需要通过PLC控制多个变频器的工业应用场景，旨在提高系统的响应速度和稳定性，降低开发成本。具体目标包括掌握485接口的硬件连接、参数设置、PLC编程技巧以及故障排查方法。 其他说明：文中提供的方案不仅限于三菱品牌，其他支持Modbus RTU协议的变频器也可以参照此方案进行配置。
最新版kibana-9.0.0-windows-x86-64.zip
04-25
最新版kibana-9.0.0-windows-x86_64.zip
基于STM32的PID温控系统设计与Proteus仿真：半导体加热制冷一体化解决方案
最新发布
04-26
内容概要：本文详细介绍了基于STM32的PID温控系统的设计与实现，涵盖硬件选型、PID算法实现、温度传感器驱动、PWM驱动控制以及LCD显示等多个方面。系统采用STM32F103C8T6作为主控芯片，通过PID算法实现精确的温度控制，利用PWM驱动半导体制冷片实现加热和制冷的双向控制。文中提供了详细的代码示例，包括PID初始化、温度采集、PWM输出控制、LCD显示刷新等功能模块。此外，还讨论了常见的调试问题及解决方法，如积分限幅、温度传感器滤波、H桥驱动保护等。 适合人群：具有一定嵌入式开发基础的研发人员，特别是对PID控制算法和温控系统感兴趣的工程师。 使用场景及目标：适用于需要高精度温度控制的应用场合，如实验室设备、工业自动化控制系统等。目标是帮助读者掌握PID温控系统的原理和实现方法，能够独立搭建和调试类似的温控系统。 其他说明：文中提供的Proteus仿真文件可以帮助初学者更好地理解和验证系统的工作原理。完整的工程代码和仿真文件可以在评论区获取。
2303040222橡胶232熊文栋（苯乙烯悬浮聚合）副本.pdf
04-25
2303040222橡胶232熊文栋（苯乙烯悬浮聚合）副本.pdf
MATLAB实现含冰蓄冷空调的CCHP-MG多时间尺度优化调度模型
04-25
内容概要：本文详细介绍了如何使用MATLAB及其工具包yalmp和cplex实现含冰蓄冷空调的冷热电联供型微网(CCHP-MG)多时间尺度优化调度模型。主要内容涵盖日前计划和日内调度两大部分，前者通过多场景描述应对可再生能源的不确定性，后者提出双层滚动优化模型以适应冷热负荷变化。文中不仅展示了具体的MATLAB代码实现细节，如场景生成、优化模型构建以及求解方法，还讨论了一些调试过程中遇到的问题及解决方案。 适合人群：从事能源管理和电力系统优化的研究人员和技术人员，尤其是对MATLAB有一定基础并关注冷热电联供系统的从业者。 使用场景及目标：适用于希望深入了解CCHP-MG系统优化调度原理的人群，旨在帮助他们掌握如何利用MATLAB进行此类系统的建模与优化，从而提高能源利用率、降低运营成本。 其他说明：文章强调了冰蓄冷空调在CCHP-MG系统中的重要作用，指出其能够有效协调冷热电之间的关系，同时通过实例演示了如何处理实际运行中的不确定性和复杂性。此外，作者还分享了一些实用的经验教训，如场景削减技术和求解器设置优化等。
nRF-Connect Android源码，开发ble手机app必备
04-25
nRF-Connect Android源码，开发ble手机app必备
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值