量化交易 米筐 因子数据处理--标准化

最新推荐文章于 2024-04-02 21:51:45 发布
最新推荐文章于 2024-04-02 21:51:45 发布
阅读量459 收藏
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/120745946
版权
本文介绍了量化交易中因子数据的处理，特别是针对pe_ratio进行的标准化操作。首先进行了去极值处理，然后通过计算（原始值 - 均值）/ 标准差来实现数据标准化，以确保因子在统一尺度上。
摘要由CSDN通过智能技术生成

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[
了解本专栏 订阅专栏 解锁全文 超级会员免费看
廷益--飞鸟
关注
专栏目录
订阅专栏
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 2006
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 使用Alphalens因子分析
廷益_飞鸟的博客
10-20 1598
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
《Python量化投资》02 单因子极值-标准化预处理
当回首往事的时候，不会因虚度年华而悔恨，也不会因碌碌无为而羞愧。
01-24 2645
一、因子计算的预处理 极值处理与标准化：去除极值，降低极值对于数据的影响 标准化：对不同数据进行同一处理的时候需要同一量纲。这样因子与因子就可以进行计算 极值处理:Triming和Winsorizing，一般因子如果极值是不对的原因造成，这样的因子就不能使用了，就Triming，去除这些不用的因子。Winsorizing：当数据中有因子的极值，这样的因子不是错误的，所以只要Winsorizing，对数据进行压缩一下。 中心化：类似于提纯，取出一个因子中不同因素的影响，对因子进行提纯。 行业中性：提出行业的区
量化交易 第十一课 因子数据处理之标准化
我是小白呀的博客
03-19 1万+
因子数据处理之标准化. 数据标准化主要是应对特征向量中数据很分散的情况, 防止小数据被大数据 (绝对值) 吞并的情况.
多因子模型matlab,【干货】不可不知的N种量化策略模型——量化因子
weixin_32342535的博客
03-23 2632
原标题：【干货】不可不知的N种量化策略模型——量化因子大家还记得上一个策略么？没错，就是用到了风控因子的动量反转优化策略。而我们今天要扒的，则是风控因子的好基友量化因子(不要问我为什么基友辣么多，我也不知道)!量化引子1理论背景故事要追溯到1952年，那是一个春天，有一位老人，在中国的南海边，咳咳咳咳，抱歉，不小心串词了，事实是这样的： 没错，正是由于这几位大神的杰出贡献，我们得到了量化因子的前身...
pandas_因子标准化(例子)
m0_37967652的博客
02-12 1652
题目： 1. 将因子数据做标准化处理 2. 以2021-01-04的PE数据作为例子数据 概念： 因子标准化：将因子数据按某种标准把数据转化成某个范围内 注：一般要将因子数据去极值后再进行标准化处理 import pandas as pd import numpy as np from sklearn.preprocessing import StandardScaler df_pe_20210104 = pd.read_csv('./pe_20210104.csv',encoding='ut
400+量化因子（原创！数据源：CSMAR）
m0_49681059的博客
09-25 894
400+财务因子数据，可用来做学术研究、构建量化投资策略，数据来源为CSMAR，国内权威的经济金融数据平台。 因子构造说明： 使用A股（沪深主板+创业板）样本，采用学术研究中常见的single sorting构造long-short portfolio。具体地，在每月末，对于每个财务指标，根据其将所有股票分成按照指标的20%、40%、60%、80%分位数分成5组，然后计算指标最高20%的股票组和指标最低20%的股票组的月均收益率差值：如果大于0，则买入(long)指标最高20%的股票，卖空(short)指
【量化交易】因子数据处理-标准化和市值中性化
黑马程序员官方博客
12-22 1267
所以当我们通过一些指标选择股票的时候，每个因子都会提供市值的因素，是的选择的股票比较集中，也就是选股的标准不太好。在调用fit_transform之后，数据的类型会变成array数组。不去修改原来的类型，我们可以简单的实现。我们结合之前的算法或者知识点，那个方法可以去除一个因子对另一个因子的影响？通过拟合找到x,y的关系公式，预测的时候会出现偏差？去完极值之后，我们再去进行标准化，是否会更加准确些？在每个时间截面上用所有股票的数据做横截面回归方程，
因子分析——离群值处理、中性化、标准化
qq_49635902的博客
03-25 871
本文主要研究对PE因子的离群值处理、中性化和标准化，以HS300成分股2024年3月24日的数据为例，数据来源于akshare数据库，本文代码可在python3环境下复现。
利用米筐量化回测平台实行量化炒股
weixin_42218868的博客
09-21 5553
1、主要属性 2、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。 import pandas as pd import numpy as np from sklearn.linear_model import LinearRegression#线性回归算法正规方程求解 # 在这个方法中编写任何的初始化逻辑。contex...
Python量化交易入门
曲折旅程，艰难人生
04-13 2741
Python量化交易知识归纳
米筐社区全方位数据解读
weixin_34297300的博客
11-20 218
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...
因子数据预处理-去极值和标准化
最新发布
cl2010abc的专栏
04-02 1092
多因子数据预处理
分享米筐量化的使用方法
1841085904的博客
12-08 2362
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 2074
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 2375
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
量化交易 米筐 因子数据处理--去极值
廷益_飞鸟的博客
10-12 822
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 0.25qua
预处理数据的方法总结（使用sklearn-preprocessing）
热门推荐
【人工智能】王小草的博客
12-02 9万+
预处理数1. 标准化：去均值，方差规模化Standardization标准化:将特征数据的分布调整成标准正太分布，也叫高斯分布，也就是使得数据的均值维0，方差为1.标准化的原因在于如果有些特征的方差过大，则会主导目标函数从而使参数估计器无法正确地去学习其他特征。标准化的过程为两步：去均值的中心化（均值变为0）；方差的规模化（方差变为1）。在sklearn.preprocessing中提供了一个sca
机器学习sklearn模块（线性回归LinearRegression模型、岭回归Ridge模型、基于LinearRegression的多项式回归模型）
酱紫煲饭~
08-13 4202
对比利用多项式定义进行多项式拟合：笔记代码：多项式拟合和极值点连接 线性回归 sklearn.linear_model.LinearRegression() --&amp;amp;amp;amp;gt; return：线性回归器 线性回归器.fit(输入样本，输出标签) # 训练数据 线性回归器.predict(输入...
python股市量化交易
06-03
一些常用的Python库包括Pandas用于数据处理和分析、NumPy用于数学计算、Matplotlib用于数据可视化、Scikit-learn用于机器学习、PyAlgoTrade用于交易回测等。Python还可以使用多种API接口来获取市场数据和执行交易，...
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