量化交易 米筐 因子数据处理 -- 市值中性化

最新推荐文章于 2024-02-01 14:20:09 发布
最新推荐文章于 2024-02-01 14:20:09 发布
阅读量1.9k 收藏 3
点赞数 1
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/120746479
版权
本文介绍了因子数据处理中的市值中性化，旨在消除市值对其他因子的影响，防止交易集中在特定股票。通过回归法建立市值与因子的方程，计算偏差以达到去除相关性的目的。文中提供了市净率与市值中性化处理的案例，并对比了中性化处理前后的选股效果，强调了中性化在避免回测集中性问题上的作用。
摘要由CSDN通过智能技术生成

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：不受影响的部分

2. 回归法API

from sklearn.linear_model import LinearRegression
  • 把市值设置成特征，市值不进行任何处理
  • 将其它因子设置成目标值

3. 案例：去除市净率与市值之间的联系部分

3.1 分析
  • 获取两个因子数据
  • 对目标值因子-市净率进
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--标准化
廷益_飞鸟的博客
10-13 434
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
量化交易系统中+如何处理数据的存档和备份？
最新发布
zhangzhechun的专栏
07-06 85
量化交易系统中的数据存档和备份需要综合考虑数据的类型、重要性和访问频率，并根据具体需求制定合理的策略。通过数据库归档、文件压缩、定期备份和自动化任务，可以有效地管理和保护交易数据，确保系统的稳定性和数据的安全性。好的，接下来我们进一步探讨一些高级的存档和备份策略，以及如何处理数据存档和备份的安全性问题。数据的存档和备份是确保量化交易系统数据安全和业务连续性的重要手段。通过合理的存档策略、有效的备份方案以及严格的安全措施，可以最大限度地保护数据，防止数据丢失和损坏。数据存档。
个人量化交易初探之二（数据的预处理）
ericstarmars的博客
11-02 1019
为什么要预处理 我们从网站上爬取的每日股票数据，包含开盘价，收盘价，最高价，最低价；这些都是在当前的实际价格。但我们关心的是一段时间内的涨跌幅，比如，从2020-08-01到2020-09-01这段时间内的股票涨跌情况，并用作预测模型训练时候的目标变量。这里就存在一个问题，假如在这段时间内，由于新增股份，派发股份等导致股票的除权；如果我们将除权前和除权后的股价一视同仁，那么计算出来的涨跌幅并不能反映收益的涨跌，因而是不准确的。所以，正如一些股票软件（如同花顺）上面显示一段时间内股价变动（日/周/月K线图）的
量化交易 第十二课 因子数据处理之市值中性化
热门推荐
我是小白呀的博客
03-20 1万+
因子数据处理之市值中性化.
量化交易 实战第六课 市值中性化选股
我是小白呀的博客
03-20 6331
量化交易 实战第六课 市值中性化选股.
pandas_市值中性化(例子)
m0_37967652的博客
02-12 2957
题目： 1. 对2021-01-04的PB数据做市值中性化处理 概念： 1. 为什么需要中性化处理？什么时候用？ 市值中性化是为了在因子选股回测的时候，防止选到的股票集中在固定的某些股票当中 1.1 市值影响 默认大部分因子当中都包含了市值的影响，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，选择的股票比较集中，也就是选股的标准不太好 比如：市净率会与市值有很高的相关性，这时如果我们使用未进行市值中性化的市净率，选股的结果会比较集中 2. 怎么去除市值影响 回归法 x为市
量化交易策略介绍及应用市值中性化选股
黑马程序员官方博客
08-09 3229
股票量化交易策略最基本有两种形式，趋势交易(技术分析)和市场中性(基本面分析)，经常使用的方法为多因子选股和趋势追踪注：不管是趋势追踪策略还是多因子选股策略，都是为了获取一定的超额收益。趋势追踪策略通过各种交易时机手段获取，而股票的多因子选股策略则是通过选股获得收益到底从何而来？什么影响股票的收益？多因子选股策略是一种应用十分广泛的选股策略，其基本思想就是找到某些和收益率最相关的因子。去极值并不是删除”异常数据”,而是将这些数据”拉回”到正常的值注：极值可以理解离群值或者异常数据2.1 三种方法。.....
量化交易 米筐 因子数据处理--去极值
廷益_飞鸟的博客
10-12 790
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
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 3002
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
11-10 643
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】一键即得标准化、规范化、二值化等多种机器学习数据预处理方式
一只老母猪Cow的博客
10-12 530
开始实战研究啦觉得差不多了要在实践中才能更好的成长、开心，这些就先大概看看有个印象啦~ 预处理数据 数据预处理在众多深度学习算法中都起着重要作用，实际上，对数据进行适当处理后，很多算法能够发挥最佳效果。然而面对各种各样的数据，很多时候我们不知道怎么样才能针对性进行处理。本文介绍了Python 下的机器学习工具 scikit-learn。其中，“sklearn.preprocessing” 模...
因子分析1——python因子的异常值处理、标准化、市值/行业中性化
呆萌的代Ma
02-01 1086
市值大的是真的大，小的是真的小，如果我们不对市值做处理，就没有办法对因子做“提纯”，奇怪的数据会得到奇怪的模型。为了解决杂质的影响，我们通过“市值中性化”这种方法，剔除市值的影响。原始数据的分布在使用一些拟合的方法时，异常值（超大、超小）对结果的影响是毁灭性的，因此我们对异常值做处理，但是金融数据大多数都不是错误的数据，而是确实存在但难以处理的数据。基于截面数据的建模并不是说：当前截面的情况对应了未来就会如何如何，而是后验的去描述，未来表现如何如何时，历史上的截面数据大概有什么样子的表现。
量化交易 米筐 计算因子的相关性
廷益_飞鸟的博客
11-27 896
多因子相关性 相关性分析使用斯皮尔曼相关系数，但是对象是两个因子的IC值序列分析。 代码 from scipy import stats as st st.spearmanr(IC_return_on_equity.iloc[:, 0], IC_basic_earnings_per_share.iloc[:, 0]) 总结 在统一的大类别中去做分析 对因子的IC序列进行斯皮尔曼相关系数计算 找出相关性较高的因子 完整代码 # 使用alphalens 计算因子的相关性分析 #
量化交易 米筐 多因子策略总结
廷益_飞鸟的博客
10-13 916
C语言 neutralize函数,关于因子数据处理函数中的中性化函数的几个问题
weixin_42546361的博客
05-24 703
@薛定谔の喵import pandas as pdfrom pandas import Series, DataFrameimport numpy as npimport statsmodels.api as smimport scipy.stats as scsimport matplotlib.pyplot as pltimport datetime as dtfrom jqdata impo...
因子中性化和因子解释
S_o_l_o_n的博客
02-12 1308
因子中性化 因子值本身是否和市值存在高度相关性，若如此，会导致市值因子和该因子混在一起。如果相关性较高，那么实际上就和市值因子的效果一样了。 有时候，我们一样因子本身不受市值影响，那么就可以通过使用中性化处理后的因子值。但是有时候，我们因子本身的含义本来就偏好某类市值股票，即这种市值效应是该因子本身的一种预期特点，那么就不需要中性化。因此，只有当我们一样剥离某些其他因子的影响，才需要中性化。 一般什么情况下需要中性化？当我们想要的因子由于代理变量不够纯粹，会和其他因子存在较大相关性，但是我们又只想看纯
python行业中性化怎么做_1行代码完成去极值、标准化、行业与市值中性化---以pb因子为例...
weixin_39757265的博客
12-21 2334
使用pandas对算法进行了改进，速度比以前快了30倍。%%time# 导入函数库import jqdataimport numpy as npimport pandas as pdimport mathfrom statsmodels import regressionimport statsmodels.api as smimport matplotlib.pyplot as pltdef w...
python行业中性_【量化课堂】因子研究系列之四 -- 市值与行业的中性化
weixin_39731782的博客
11-29 872
导语：本文给出以BP（账面市值比）为例的因子缩尾处理和对市值与行业中性化的处理实现代码，展现单因子不同分位处在不同处理方法下的表现。本文是一系列因子研究中的第四篇文章。本系列的文章有：引言因子系列文章首先展示了不同因子的构建与端点处的股票策略回测结果，本文借助【量化课堂】多回测运行和参数分析框架中给出的分析方法和框架，展示对因子按照市值和行业进行标准化和去极值化的方法和回测结果。单因子的对比如因子...
python股市量化交易
06-03
Python是一种非常流行的编程语言，广泛应用于量化交易领域。Python可以使用多种库和框架来分析市场数据、构建交易策略、执行交易和风险管理等任务。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，例如聚宽、优矿、米筐等。在使用Python进行股市量化交易前，需要对市场和交易策略有深入的了解，并且需要进行充分的测试和风险管理。
评论 2
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