量化交易 米筐 多因子有效性分析、相关性、合并

最新推荐文章于 2023-06-11 10:00:00 发布
最新推荐文章于 2023-06-11 10:00:00 发布
阅读量1.2k 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/121621602
版权
本文探讨了量化交易中如何进行因子的有效性分析，通过因子筛选表格和方向性判断来优化因子选择。同时，进行了因子相关性分析，旨在合并相关性因子，以提升交易策略的效果。
摘要由CSDN通过智能技术生成

在这里插入图片描述

对因子有效性分析 可以得到以下表格

因子筛选表格（用于筛选因子）

在这里插入图片描述

因子方向性 表格（用于确定因子方向性）

在这里插入图片描述
（表中表示因子 从小到大）

因子相关性分析（方便因子的合并）

在这里插入图片描述

因子的合并

根据需要合并相关性因子


                

                
                
        

        

    

  


        

            

                

                

                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 多因子策略理论

				
			

			

				

					廷益_飞鸟的博客
				

				

					10-11
					
					1万+
					
				

			

		

		

			
				
股票量化策略介绍
1、股票量化策略–获取超额收益

趋势交易（技术分析） 趋势追踪（交易时机判断）
市场中性（基本面分析） 多因子选股（通过选股）

2、Alpha与Beta
2.1 Alpha和Beta
投资策略收益率分为两部分：

一部分与市场完全相关，整个市场的平均收益率 *  Beta系数，Beta被称为投资组合的系统风险。
另一部分和这个市场无关 叫做 Alpha
回归方程  y(总收益) = 市场表现 * Beta + Alpha(超额回报)


1、Alpha 比较难，beta很容易
2、Al

			
		

	



                

            
              



	

		

			

				
					
量化交易 米筐 多因子策略总结

				
			

			

				

					廷益_飞鸟的博客
				

				

					10-13
					
					950
					
				

			

		

		

			
				

			
		

	



              


  
              

                


	

		

			

				
					
Python3数据分析与挖掘建模（12）多因子：复合分析-相关分析与实现示例

				
			

			

				

					喜欢历史的码农
				

				

					06-11
					
					1114
					
				

			

		

		

			
				
相关分析中的熵、条件熵和互信息是信息论中的概念，用于衡量随机变量之间的关联性。（1）熵（Entropy）：熵是表示随机变量的不确定性的度量。对于一个离散随机变量，其熵的定义为所有可能取值的信息量的期望值的负数。熵越大，随机变量的不确定性越高。在相关分析中，熵可以用于衡量单个随机变量的不确定性。公式：值越接近于0，说明其不确定性越小。（2）条件熵（Conditional Entropy）：条件熵是在给定另一个随机变量的条件下，某个随机变量的不确定性。

			
		

	





	

		

			

				
					
量化交易 米筐 计算因子的相关性

				
			

			

				

					廷益_飞鸟的博客
				

				

					11-27
					
					928
					
				

			

		

		

			
				
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 实战第九课 多因子相关性分析

				
			

			

				

					我是小白呀的博客
				

				

					03-23
					
					1万+
					
				

			

		

		

			
				
量化交易 实战第九课 多因子相关性分析.

			
		

	





	

		

			

				
					
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
					
					3055
					
				

			

		

		

			
				
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 单因子有效性分析

				
			

			

				

					廷益_飞鸟的博客
				

				

					10-25
					
					1711
					
				

			

		

		

			
				
单因子有效性分析–因子收益率分析
因子收益率分析需要确定因子在不同股票位置上的表现，比如
我们知道市值因子是越小越好。那么这个结果怎么来的？
1、什么是因子收益率
因子收益率是在固定周期内对因子因子暴露值和下期的收益率之间建立横截面回归方程。
因子值 * 因子收益率 + 截距 = 收益率

注：默认每天进行横截面回归得到的权重系数值


因子的收益率与股票的收益率是由区别

股票收益率：收盘价之间计算
因子收益率：横截面数据回归方程得来，特征值：因子值 目标值：股票收益率



2、案例：因子收益率计算
2

			
		

	





	

		

			

				
					
Python3数据分析与挖掘建模（9）多因子分析：相关系数与线性回归

				
			

			

				

					喜欢历史的码农
				

				

					06-01
					
					3026
					
				

			

		

		

			
				
回归：确定两种或两种以上变量间互相依赖的定量关系的一种统计分析方法。线性回归是一种统计模型，用于建立自变量（预测变量）与因变量（目标变量）之间的线性关系。它假设自变量和因变量之间存在一个线性关系，并尝试通过拟合一条直线来预测因变量的值。主成分分析（Principal Component Analysis，PCA）是一种常用的降维技术和数据预处理方法，用于将高维数据转换为低维数据，并发现数据中的主要变化方向。QQ图（Quantile-Quantile plot）是一种用于检验数据是否符合某种理论分布的方法。

			
		

	





	

		

			

				
					
多因子模型的步骤梳理（以打分法为例）

					
热门推荐

				
			

			

				

					纸上得来终觉浅
				

				

					03-28
					
					8万+
					
				

			

		

		

			
				
https://www.ricequant.com/community/topic/4584/在量化交易中，多因子策略是一种常被提及且应用广泛的选股策略。我们会经常使用某种指标或者多种指标来对股票池进行筛选，这些用于选股的指标一般被称为因子。顾名思义，多因子模型是指使用多个因子，综合考量各因素而建立的选股模型，其假设股票收益率能被一组共同因子和个股特异因素所解释。        多因子模型的优点在...

			
		

	





	

		

			

				
					
多因子选股模型 —— 因子间相关性检验和等权因子法

				
			

			

				

					qq_18668137的博客
				

				

					03-28
					
					8970
					
				

			

		

		

			
				
1. import package and download data


from atrader import *
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import math
import statsmodels.api as sm
import datetime as dt
impor...

			
		

	





	

		

			

				
					
多因子权重优化方法比较

				
			

			

				

					weixin_34415923的博客
				

				

					12-18
					
					1507
					
				

			

		

		

			
				
​
­         在多因子量化投资体系中，具有稳定的预期收益，可解释的经济驱动理论，与其他因子的低相关性是选择alpha因子的关键指标。本篇文章中，我们以此为因子选取标准，简单地构建了自己的因子库，总共包括八个大类因子，每个大类因子中包含四到五个子类细分因子。为了比较不同的权重优化方法的优劣，本文首先采取不同的方法对各个大类因子下的细分因子进行合成，确定了不同大类因子的各自最优的合成方法；其...

			
		

	





	

		

			

				
					
多因子策略中的IC、IR是什么，以及如何计算

				
			

			

				

					漫步量化
				

				

					09-10
					
					8万+
					
				

			

		

		

			
				
接触多因子策略，总会看到IC值、IR值，作为某种度量指标。


IC值的定义
IC是***Information Coefficient***的缩写，称为***信息系数***。
IC代表的是预测值和实现值之间的相关性，通常用于评价预测能力（即选股能力）。
IC∈[−1,  1]绝对值越大，表示预测能力越好
IC \in [-1,\; 1]  \\ 绝对值越大，表示预测能...

			
		

	





	

		

			

				
					
Ricequant米筐金工——因子分析

				
			

			

				

					Ricequant的博客
				

				

					12-05
					
					2330
					
				

			

		

		

			
				
Ricequant米筐金工——因子分析
阅读原文请点击链接：https://www.ricequant.com/community/topic/3791/?utm_source=CSDN
作者：戴宇、小湖
 
 
上一篇介绍了单因子检验是因子分析前重要的一个步骤，是构建因子库、建立因子模型的基础，这篇报告首先对常见估值因子进行初步的检验。
 
第一篇．估值因子的分析
估值因子是一类

			
		

	





	

		

			

				
					
【python量化】如何分析两段时间序列之间的相关性

				
			

			

				

					敲代码的quant的博客
				

				

					09-12
					
					2万+
					
				

			

		

		

			
				
作者：Andrew Chung公众号：WealthQuant链接：https://www.zhihu.com/question/23525783/answer/956912446已获得作者...

			
		

	





	

		

			

				
					
量化交易 实战第十课 多因子合成

				
			

			

				

					我是小白呀的博客
				

				

					03-24
					
					8485
					
				

			

		

		

			
				
量化交易 实战第十课 多因子合成.

			
		

	





	

		

			

				
					
多因子选股有因

				
			

			

				

					rede
				

				

					05-03
					
					1283
					
				

			

		

		

			
				
原 多因子选股之有效因子
什么是多因子选股？
玩股票的朋友的朋友应该很清楚，股市之道无外乎：选股、择时、仓控。精通任何一点都可以说在股市中所向披靡。
这次，我们从选股入手，来谈谈量化选股的基本“套路”——多因子选股。多因子选股采用一系列的因子（主要考虑使用价值、成长、质量以及市场等四大类因子）作为选股标准，将多个具有逻辑背景的因子策略相结合，选取在各个因子上综合得分较高的股票构建投资组合。通过这种...

			
		

	





	

		

			

				
					
初探多因子选股：单个因子的有效性检验

				
			

			

				

					量化就是探索生活
				

				

					07-04
					
					9585
					
				

			

		

		

			
				
因子有效性检验
在多因子选股中，因子的有效性检验是不可避免的工作，以下介绍笔者日常学习过程中摘下的几种有效性检验方法，以供日后使用。
本文将介绍目前学术界和业界普遍使用的两种方法，以供参考：
相关性检验
单调性检验
单调性检验的思路是采用排序的方法检验候选因子的选股有效性

...

			
		

	





	

		

			

				
					
数据分析-多因子探索分析理论铺垫

				
			

			

				

					Jamin2018的博客
				

				

					04-04
					
					927
					
				

			

		

		

			
				
多因子探索分析理论铺垫假设检验与方差检验相关系数：皮尔逊、斯皮尔曼回归：线性回归PCA与奇异值分解假设检验：  1.建立原假设Ho（包括等号），Ho的反命题为H1，也叫备择假设2.选择检验统计量3.根据显著水平（一般为0.05），确定拒绝域4.计算P值或样本统计值，作出判断卡方检验：一个样本样本内部比较假设化妆这个行为不分男女，用卡方检验检验该假设129.3 > 3.841 ,在拒绝区，故假...

			
		

	





	

		

			

				
					
量化交易 第十三课 多因子筛选分析简介

				
			

			

				

					我是小白呀的博客
				

				

					03-20
					
					1万+
					
				

			

		

		

			
				
多因子筛选分析简介. 如何实现多因子筛选.

			
		

	





	

		

			

				
					
分析一下 聚宽 vs 米筐 vs BigQuant vs 迅投QMT

					
最新发布

				
			

			

				

					07-06
				

			

		

		

			
				
聚宽、米筐、BigQuant和迅投QMT都是中国市场上提供量化投资工具和服务的平台，它们各有特色：

1. **聚宽**：聚宽是一款基于Web的开源量化分析平台，特别适合股票投资者，用户可以编写Python脚本进行策略开发，并通过其社区分享策略。它的优势在于丰富的数据源和交互式图表，适合初级到高级的量化爱好者。

2. **米筐**：米筐也是一款专注于量化投资的平台，支持策略回测和实盘交易，界面友好，内置多种策略模板，对于新手较为友好，同时也有一些专业的量化课程供学习者提升技能。

3. **BigQuant**：BigQuant是一个全面的量化金融解决方案提供商，它除了基础的回测、交易功能外，还涵盖了算法交易、智能投顾等方面。其特点是深度整合了机器学习、大数据等技术，更适合专业投资者和机构使用，对策略的复杂性和深度有一定要求。

4. **迅投QMT**：迅投QMT是一家专注于量化交易的金融科技公司，提供云端量化交易平台，支持策略自动化交易，注重实时市场数据处理和风控能力。它通常服务于那些寻求高效自动化交易的投资者。

每个平台都针对不同的目标用户群和需求设计，如果你关注的是入门级学习，米筐可能是起点；若需要深度定制和专业支持，BigQuant和迅投QMT可能更合适。至于选择，还需考虑个人的技术水平、投资经验和对服务的需求层次。

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		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