一个简易的summary包含几种综合分析 因子IC 分析 alphalens.performance.factor_information_coefficient(factor_data, group_adjust=False, by_group=False) 计算因子值和预期收益之间的基于Spearman等级相关的信息系数(IC)(默认每天) 返回IC dataframe factor_d
分层累计回报(1D):1层,也就是因子最小的层,与5层,也就是因子最大的层,同样显示出良好的单调性: 因子收益图:展示因子在不同时间段的收益表现。 小结:其实单因子分析并不复杂,这里当然咱们没有做市值,行业中性的数据处理——股票通常是需要的,这个后续分享。 重点看IC,就是未来收益与因子的相关性,看t值确保...
1、单因子分析概述 主要步骤: 1、每个月底,按单因子值将股票池中的可用股票分5组。 2、每组按每天的流通市值,和股票的每日 close-to-close 收益率,计算每天的每组加权收益。 3、以上循环至时间结束,得到每组的累计收益率等相关数据。对其进行分析。 4、分组时去掉ST、停牌、上市时间不到半年的股票。 5、不...
从“单因子分析”的红色小三角菜单中选择均值/方差分析。 注意:若 X 因子只有两个水平,则均值/方差分析选项显示为均值/方差分析/合并的 t并向报表窗口添加合并的t检验报表。 图6.3“均值/方差分析”选项示例 请注意以下事项: • 显示表示置信区间的均值菱形。
新的数据表现在正确调整结构以适应 JMP 分析。每行都包含单个麦片盒的数据。第一列提供麦片盒 ID,第二列提供生产线,第三列提供麦片盒的重量(图 6.42)。 图6.42重新编码的数据表 执行单因子分析 在本例的这一部分中,您需要执行以下操作: • 执行单因子方差分析以检验三条生产线中填充重量均值中的差值。
分层累计回报(1D):1层,也就是因子最小的层,与5层,也就是因子最大的层,同样显示出良好的单调性: 因子收益图:展示因子在不同时间段的收益表现。 小结:其实单因子分析并不复杂,这里当然咱们没有做市值,行业中性的数据处理——股票通常是需要的,这个后续分享。
年化22.8%的单因子分析:基于Alphalens做可转债全市场数据的单因子分析(附python代码+全量数据) 证明其有效性,与我们的回测结果相印证:年化22.8%:可转债多因子策略之基准——“双低”因子策略 今天咱们测试其他因子,然后基于这些因子集,构建多因子模型。
单因子方差分析基本概念 如果一项试验中,只有一个因素变化,其他因素不变,这种试验称为单因子试验,最简单的多总体均值相等性检验就是单因子试验问题。 适用于单个因子,且实验过程中,每个实验组合所施行的群体采取随机的方式进行实验,群体间彼此互不影响,所以此种实验方式也称为完全随机化设计 (Completely Randomized Desi...
在单因子方差分析中因子平方和与总体平方和之比,它反映量在因变量取值的总误差中被因子解释的比例,效应量越大说明自变量与因变量之间的关系就越强。公式为: 6,多重比较:对不同处理之间的均值配对比较就是方差分析的多重比较,主要方法有Fisher的LSD(最小显著差异)法,Tukey-Krammer的HSD方法,感兴趣可以自己查阅资料...