2019年05月_Quant_

原创 Words From the Wise——AQR公司对Ed Thorp的采访（一）

未经授权，严禁转载前言Ed Thorp，著名畅销书《Beat the Dealer》（1966）和《A Man for All Markets》（2017）的作者，被很多人视为量化投资之父。最近，他与Aaron Brown，Antti Ilmanen和Rodney N. Sullivan一起讨论了当代投资的挑战与实践。本篇文章是在AQR.com上发布的一系列Words ...

2019-05-31 18:34:30 485

原创动量因子的日内重构探索

本文参考方正证券《枯树生花：基于日内模式的动量因子革新》，基于“市场行为特征在日内不同时段存在差异”的基本事实，对动量因子进行创新性的探索，通过时间分割的方法，重新构造了动量因子，并对收益进行统计分析。未经授权，严禁转载引言>>> 研究内容在量化投资的领域，动量是最常见的选股因子之一。不同于国外市场“短期反转、中期动量” 的特点， A股市场呈现较为显...

2019-05-27 18:17:41 2534

原创金融科普：我们到底能否战胜市场？

本文翻译自Meir Statman著作《Behavioral Efficient Markets》。未经授权，严禁转载对于那些指望诺贝尔奖委员会为市场效率提供指导的人来说，将2013年诺贝尔经济学奖同时授予尤金·法玛（Eugene Fama）和罗伯特·席勒（Robert Shiller）的决定可能是令人困惑的。“如果你想知道是否有可能定期跑赢股市平均水平”，华尔街金融学家和评论员史蒂...

2019-05-24 17:05:38 1594

原创 “整合”还是“混合”——多因子组合的构建

前言与前几篇类似地，笔者翻译了一篇来自海外的网络研讨会议纪要，较为简洁地为各位读者呈现了量化投资中关于多因子组合构建的几个问题。本文原著来源于Research Affiliates，其创办于2002年，比较侧重于smart beta和因子策略。混合”还是“整合”我们在根据多个因子选择策略时存在着各种各样构建组合的方式，“混合”（Mixing），与“整合”（Integrating）是其...

2019-05-23 12:57:55 2984

原创揭秘因子投资基金绩效影响因素 What Matters in Multi-Factor Investing?

揭秘因子投资基金绩效影响因素 What Matters in Multi-Factor Investing?　我们翻译了一篇来自海外的网络研讨会议纪要，简洁地为各位读者呈现了量化投资特别是因子投资基金的几个问题。本文原著来源于Research Affiliates，其创办于2002年，比较侧重于smart beta和因子策略。　虽然数量化带来了非常专业的分工和类似流水线的工...

2019-05-22 15:16:01 544

原创探索多维数据极端值处理方法

背景介绍我们知道，在各种数据分析方法中，除了部分方法本身对数据值不敏感外，离群值、极端值对于分析结果都是具有影响的。这种影响尤其体现在需要对数据具体的值进行运算的方法中，比如回归类型的问题。极端值出现频率过高，极端值过于极端，都有可能造成分析结果的严重偏误，在探索数据之间关系和规律的过程中，这种极端值造成了很大困扰。而金融数据分析中，无论是金融理论在实践分析中的应用，比如尝试使用CAPM，...

2019-05-21 14:58:46 4766

原创经典风险因子模型对于中国股票市场定价解释能力初探

在今天的文章中，我们将向大家再次介绍经典的CAPM和三五因子模型，并通过beta和市值因子构建一个双因子模型，从一个因子到五个因子，试图来解释中国股票市场的个股价格，我们的模型模板来自经典的三五因子模型，我们评价不同因子的解释力的工具，就是模型的R-square，也就是决定系数。一因子CAPM模型　　投资组合获取的收益均可以分为两个部分，一部分是来自市场的收益也就是贝塔（β风险）...

2019-05-13 14:05:14 6895

原创个股择时终极测试最佳择时工具能否跑赢静态持有？

本报告基于传统的指数RSRS择时和聚宽量化实验室近期发布的一文《行业指数择时大市值+低估值选股效果初探》（链接：https://mp.weixin.qq.com/s/8AzHSOblHNoJ4ttkvJnzkA）进行了进一步拓展，以中证800为股票池，以简单的买入静态持有股票策略作为基准（以下简称静态持有），将RSRS择时在个股层面进行了测试。研究动机　　不同于指数的量价序列，个股的量价序...

2019-05-10 11:57:01 1308

上篇内容，我们对决策树进行了介绍，探讨了决策树的回归和分类方法，并列出了一些关键参数的说明，构建了超参数学习曲线，本篇内容，我们将基于决策树进行分组回测，对结果进行展示。开始之前，我们在来回顾一下决策树，决策树学习能根据数据的属性采用树状结构建立决策模型，能够用来解决分类和回归问题，决策树方法简单自然，符合人脑的思维逻辑，除了构建单棵决策树，我们还可以建立多棵决策树并通过某种方式将它们结合在一...

2019-05-07 19:26:37 2119

Quant_的博客