8月16日工作

要做的事

• 看看应该怎么系统学习一下这些偏度峰度 波动率的东西
• 读研报，思考如何构建自己的策略
• 弄清楚测试的这些因子的含义
• 按照王的方法重新计算别的因子，看看结果咋样。
• 用秦的语言实现代码
• 对秦的代码复现一下

对于回测结果的评估：

• 主要关注：累计净值、年化收益、最大回撤、年化收益/回撤比
• 中性策略风险较低，主要关注中性策略，另外需要关注一下表现比较好的多头和空头
  

上什么课程

峰度（Kurtosis）和偏度（Skewness）通常是在以下大学课程中涉及到的：

概率论与数理统计（Probability and Mathematical Statistics）

在这门课程中，你会学习关于随机变量的分布及其特性，包括均值、方差、偏度、峰度等描述数据分布形状的统计量。
统计学（Statistics）

统计学课程更广泛地涉及如何收集、分析、解释和呈现数据。在这门课中，你会深入了解偏度和峰度作为数据分布的描述性统计量，并学会如何应用这些概念进行数据分析。
数据分析与数据科学（Data Analysis and Data Science）

在一些专注于数据分析、数据科学或机器学习的课程中，偏度和峰度也会作为特征工程的一部分进行讨论，尤其是在探索性数据分析（Exploratory Data Analysis, EDA）阶段。
经济计量学（Econometrics）

如果你学习的是经济学相关专业，经济计量学课程中也会涉及偏度和峰度，尤其是在回归分析中，用于评估残差的分布特性。

峰度

衡量了数据分布相较于正态分布，是更加尖还是更加平缓，具体为：
正峰度：如果峰度大于3（高于正态分布），数据分布的峰较尖，意味着有更多的数据集中在均值附近，并且尾部较重。
负峰度：如果峰度小于3（低于正态分布），数据分布的峰较平，意味着数据较分散，尾部较轻。
标准正态分布的峰度为3，通常计算峰度时，减去3作为调整，使得正态分布的峰度为0，这称为调整后的峰度（excess kurtosis）。

偏度

偏度衡量了数据的不对称性
正偏度（右偏）：如果偏度大于0，表示数据的分布向右拉长，右边的尾部较长。大多数数据集中在左侧。
负偏度（左偏）：如果偏度小于0，表示数据的分布向左拉长，左边的尾部较长。大多数数据集中在右侧。
零偏度：如果偏度等于0，表示数据分布是对称的，通常意味着分布接近正态分布。

如何设置多个因子

看代码：

config.py

# 需要参与计算的因子列表，用于`1_选币数据整理.py`
factor_class_list = get_file_in_folder(root_path + '/program/factors/', file_type='.py', filters=['__init__'],
                                       drop_type=True)

【Gahyu-任务1】筹码因子超跌反弹增强中的偏度因子

在你提供的代码中，“偏度”是一个统计学概念，主要用于描述数据分布的不对称性。在代码中，偏度的计算是通过调用 .skew(axis=1) 方法实现的，这个方法用于计算每一行（即每个时间点）分布数据的偏度。

偏度的含义：

• 正偏度：如果计算出的偏度值为正，说明数据分布的右尾较长，也就是数据在右侧有更多较大的值。换句话说，数据更多地集中在分布的左侧，而右侧存在一些极大值。
• 负偏度：如果偏度值为负，说明数据分布的左尾较长，也就是数据在左侧有更多较小的值。即数据更多地集中在分布的右侧，而左侧存在一些极小值。
• 偏度为零：偏度为零或接近零时，数据分布大致对称，左右两侧的分布形状相似。

在代码中的应用：

在代码中，“筹码分布偏度”指的是对于不同筹码分布分位成本相对当前价格的涨跌幅进行偏度计算。这里有几种不同的偏度计算：

• data['筹码分布偏度']：这是对所有分位成本相对涨跌幅的偏度计算结果，用来评估整体筹码分布的对称性。
• data['上方筹码分布偏度']：仅对那些当前价格上方的筹码（即相对涨跌幅为正）进行偏度计算，表示价格上方筹码的分布不对称性。
• data['下方筹码分布偏度']：仅对那些当前价格下方的筹码（即相对涨跌幅为负）进行偏度计算，表示价格下方筹码的分布不对称性。

这些偏度值在投资中的意义：

• 上方筹码分布偏度：若为正偏度，说明当前价格上方有较少的大量筹码，可能意味着股价上方压力较轻。
• 下方筹码分布偏度：若为负偏度，说明当前价格下方有较少的重仓筹码，可能意味着下方支撑较弱。

通过这些偏度值，投资者可以判断筹码在不同价格区间的分布特征，从而推测未来的价格走势。比如，如果上方筹码分布偏度为正且较大，可能暗示未来上涨阻力较小。