量化交易 米筐 因子数据处理--去极值

最新推荐文章于 2023-06-02 19:10:02 发布
最新推荐文章于 2023-06-02 19:10:02 发布
阅读量826 收藏 3
点赞数
分类专栏： 量化交易 文章标签： python 量化交易
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/weixin_45875105/article/details/120728732
版权
本文介绍了量化交易中去极值处理的重要性和常见方法，包括分位数、中位数绝对值偏差（MAD）和正态分布去极值。重点讲述了中位数绝对偏差法，通过计算中位数、绝对偏差和MAD_e来调整数据，防止极端值影响。推荐使用中位数绝对偏差法进行数据处理。
摘要由CSDN通过智能技术生成

2. 去极值处理

不是删除，而是拉回正常范围。

2.1 三种方法
  • 分位数去极值
  • 中位数 绝对偏差去极值
  • 正态分布去极值

3.分位数去极值

3.1 中位数

排序后，处于中间位置的那个数。Median

奇数：中间的那个数

偶数：中间两个数的平均值

3.2 四分位数
  • 第一四分位数（Q1）排列后25%
  • 第二四分位数（Q2）排列后 50% 中位数
  • 第三四分位数（Q3）排列后75%
3.3 百分位数

百分位数：数据所处位置为整体的某个%位数

  • 0 quantile = 0 percentile
  • 0.25quantile = 25 percentile
  • 0.50quantile = 50 percentile
  • 0.75quantile = 75 percentile
3.4 分位数去极值

将分位数以外的极值&#x

了解本专栏 订阅专栏 解锁全文 超级会员免费看
量化交易 米筐 单因子回测框架（因子方向性确定）
廷益_飞鸟的博客
11-10 1709
因子方向性确定 当筛选出部分因子后，其实我们还要去观察它在回测过程中真实的收益率情况， 所以需要建立每个因子的回测框架，主要对不同分位上的股票进行统计。 也就是 以下图： 代码 # 可以自己import我们平台支持的第三方python模块，比如pandas、numpy等。 # 对每个因子, 在股票位置上（因子的方向）的回测结果统计 import numpy as np # 在这个方法中编写任何的初始化逻辑。context对象将会在你的算法策略的任何方法之间做传递。 def init(context):
量化交易 米筐 构建一个完整策略
廷益_飞鸟的博客
10-10 2653
实现第一个股票策略 1、选股简单介绍 选择某些表现比较好的股票作为股票池，从中进行交易的判断或者直接购买。 2、需求 选股：获取市盈率大于50且小于65，营业总收入前10的股票 调仓：每日调仓，将所有资金平摊到 10个股票的购买策略， ​ 一次性卖出所有不符合条件的股票 3、代码 # 选股：获取市盈率大于50且小于65，营业总收入前10的股票 # 调仓：每日调仓，将所有资金平摊到 10个股票的购买策略，一次性卖出所有不符合条件的股票 # 在这个方法中编写任何的初始化逻辑。context对
股票多因子选股模型 —— 数据去极值
qq_18668137的博客
03-25 3694
data_extreme #为什么要做去极值的工作（Why） 在做回归分析的时候，因为过大或过小的数据可能会影响到分析结果，离群值会严重影响因子和收益率之间的相关性估计结果，因此需要对那些离群值进行处理 ## 有哪些去极值的方法（What） 根据不同的距离判断标准，去极值有以下三种方法： * MAD法 * 3????法 * 百分位法 ## 去极值怎么做（How） 一般去极值的处理方法就...
2. 量化多因子数据清洗——去极值、标准化、正交化、中性化
HaileeRPIJNU的博客
06-02 3273
量化多因子数据清洗
python去掉数中最大值_Python Multiindex Dataframe移除最大值
weixin_39583521的博客
12-18 1310
我在python熊猫中使用MultiIndex DataFrame挣扎.假设我有一个像这样的df：count daygroup nameA Anna 10 MondayBeatrice 15 TuesdayB Beatrice 15 WednesdayCecilia 20 Thursday我需...
量化交易 米筐 因子数据处理--标准化
廷益_飞鸟的博客
10-13 463
因子数据处理 – 标准化 去极值后，再做标准化 (原始值 - 均值) / 标准差 1. 对pe_ratio标准化 from sklearn.preprocessing import StandardScaler # 使用库函数实现 std = StandardScaler() # 执行标准化 std.fit_transform(np.array(fund['3mad']).reshape(-1, 1)) 2、实现标准化 from sklearn.preprocessing import Standar
量化交易 米筐 因子数据处理 -- 市值中性化
廷益_飞鸟的博客
10-13 2027
因子数据处理 – 市值中性化 1. 中性化意义 防止选到的股票集中在固定的某些股票当中 市值影响，默认大部分因子都包含了市值的影响，去除其它因子存在的市值影响。 去除市值影响 市值 <==> 某因子 去除相关性 回归法去除 建立回归方程： x(特征：市值) * w + b = y(某因子) 回归方程预测： 市值(X) * 系数(w) + 偏置(b) = 预测值( y_predict) 计算偏差： 某因子（y） - 预测值(y_predict) = 偏差 偏差：不受影
量化交易 米筐 单因子有效性分析--因子IC分析
廷益_飞鸟的博客
10-14 3059
多因子的筛选阶段介绍 1、筛选阶段的任务 单因子有效性分析 500个因子 选择==> 100个因子，真正对收益率有贡献 多因子相关性分析 把相关性高的得出，删除某一些 多因子合成 特征如此之多，那么如何找到因子对应的股票收益率比较好？ 因子和收益率之间的联系 因子特征值 因子和收益率之间的联系 因子（特征值），收益率（目标值） 2、挖掘因子的过程 1、从上百个因子中分析出，对收益率有效的因子 在每个大类因子中去做筛选，每个大类中筛选出有效的N个因子 质量、估值、成长等因
量化交易 米筐 因子分组打分（成长因子）
廷益_飞鸟的博客
11-10 666
分组动手练习 在米筐上因子数据没有处理，提供的很多因子没有默认分类，存在一些因子没有的情况，我们就选择一些常见的因子。 价值因子 质量因子 成长因子（历史名称） pe_ratio return_on_invested_capital in_revenue pcf_ratio du_return_on_equity inc_eps pb_ratio return_on_asset_net_profit inc_total_asset market_cap return_on_equ
量化交易 米筐 使用Alphalens因子分析
廷益_飞鸟的博客
10-20 1608
4、因子分析工具-Alphalens 官网说明书 收益率分析 Returns Analysis 信息IC分析 Information Coefficient Analysis 换手率分析 Turnover Analysis 分组分析 Grouped Analysis 4.1 alphalens的数据结构 处理之前需要 准备因子数据、价格数据、行业分组数据 alphalens.util alphalens.utils.get_clean_factor_and_forward_returns(facto
米筐社区全方位数据解读
weixin_34297300的博客
11-20 220
社区链接近期我们的米筐首席临时工做了一件非常好玩的事情，通过自己编写爬虫爬取了Ricequant线上社区的数据并进行了一系列的分析，大家也可以通过本篇文章初步了解python爬虫的原理哦。 原文最近看完了《利用 Python 进行数据分析》，苦于屠龙大技无处施展，于是瞄上了米筐社区：开放的社区数据，都好好地摆在那。从数据的爬取储存、清洗整理，到分析汇总、可视化，最终写成本文，整整搭上了三天时间（别...
量化交易 米筐 案例：市值因子选股策略
廷益_飞鸟的博客
10-11 1849
案例：市值因子的选股策略 1.结果 获得超额收益 年化 49% 2. 从股票中选择市值小的股票 选定财务数据筛选 进行每日调仓(多因子选股调仓 周期频率会小一些) 3. 代码 估值有关指标 # 在沪深300股票中，选出市值比较小的10只股票 # 在这个方法中编写任何的初始化逻辑。context对象将会在你的算法策略的任何方法之间做传递。 def init(context): # 沪深300组合 stocks = index_components('000300.XSHG') # 沪深3
按照百分比取出数据的去极值方法
weixin_30394333的博客
08-27 703
去极值的方法，可以用均值加n倍的方差，来过滤，也可以用中位数加上下范围来过滤。如聚宽就提供了winsorize和winsorize_med等方法。 但我总觉得不合心意，第一，这个过程本来就是需要不断调整参数的，最好能够按照一定步长来取数据，逐条显示取出数据的数量，占比，方差等。此外，参数最好指定数据的百分比，用户只要指定百分比，就能够获得相应的数据。基于此，设计了一个函数。from pa...
因子去极值和标准化_Barra_python_数据分析_12
forest_sz的博客
06-30 2252
#因子去极值及标准化 def normal(a): Func = lambda a:(a-a.mean())/a.std() norm = a.apply(Func) return norm def winsorize(a,limit=3): def func(a): a[a<a.mean()-a.std()*limit] = a.mean() - a.std()*limit a[a>a.mean()+a.std()*limit]
分享米筐量化的使用方法
1841085904的博客
12-08 2388
我们以上图所提到的股票月线为例，df = pro.monthly(ts_code='000001.SZ', start_date='20180101', end_date='20181101', fields='ts_code,trade_date,open,high,low,close,vol,amount')以上米筐量化的使用方法部分内容，对于熟悉编程的用户来说，并不是很复杂。可以看到，ts_code是要分析的股票代码，然后是两个开始与截止时间，后面的fields跟着的是关注的数据。
量化交易 tushare与米筐获取数据
廷益_飞鸟的博客
01-29 2085
tushare 1、安装方法 pip install tushare -i https://mirror.baidu.com/pypi/simple 2、注册与官网 注册与填写信息 积分需要增加到120分才可以获取数据 3、获取token 4、完整代码 # pip install tushare -i https://mirror.baidu.com/pypi/simple # https://tushare.pro/ import tushare as ts # 初始化token与API # 请使
量化交易 米筐 数据获取接口
m0_53786284的博客
10-31 2404
复制 数据获取接口1、数据接口种类2、获取行业、板块以及概念股票列表2.1 关于股票代码以及代码补齐2.2 获取行业2.3 获取板块2.4 获取概念2.5 获取指数成分股3、获取股票合约数据3.1 history_bars：某一合约历史数据 1、数据接口种类 获取指定行业、板块股票列表 history_bars：指定股票合约历史数据（基本行情数据：基本交易信息、K线图） get_fundamentals：查询财务数据（基本面数据：财务数据等） 2、获取行业、板块以及概念股票列表 2.1 关于股票代码以及
米筐开源量化框架 RQalpha 安装使用
Leo的博客
12-30 9325
RQalpha 是 Ricequant 开源的量化框架，提供数据获取，算法交易，策略回测，实盘模拟，实盘交易，数据分析等功能。RQalpha 的安装过程并不十分友好，本文讲述如何安装 RQalpha。安装环境是 Mac OS 操作系统。 安装步骤 1. 创建虚拟环境 RQalpha 推荐使用虚拟环境来安装，以避免由于各种环境问题导致安装失败。可以使用 conda 来创建虚拟环境，为使用 conda...
【量化】4天学会python机器学习与量化交易-笔记2(p11~p15)
GreatXiang888的博客
02-28 1885
文章目录p11 案例：介绍p12 实现简单的一个选股策略 米筐量化交易API：这里 https://www.ricequant.com/doc/rqdata-institutional p11 案例：介绍 视频链接：案例：介绍 1，需求 选股：获取市盈率大于50且小于65，营业总收入前10的股票。 调仓：每日调仓，将所有资金平摊到这10个股票的购买策略，卖出时一次性卖出所有不符合条件的股票。 ...
基于python的个人量化交易系统设计与实现代码
最新发布
01-11
基于Python的个人量化交易系统的设计与实现代码主要包括以下几个部分：数据获取、策略制定、交易执行和风险控制。 首先，数据获取是量化交易的基础。我们可以利用Python的库如Pandas、Numpy或者Quandl等获取金融...
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

打赏作者

廷益--飞鸟

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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