可以将因子筛选分为单因子筛选和多因子筛选，单因子筛选通常是对单个因子做独立评价，然后再基于筛选规则选出排名靠前的部分因子，选出的因子集可能存在冗余信息；多因子筛选通常是逐个比较新因子在已选因子基础上带来的“增强”作用来决定该因子的去留，选出的因子集是对收益有最强解释力且因子间不相关的...
这就教你如何真正使用因子数据! 因子日历数据下载 核心观点 一、前言 二、测试说明 三、非监督型评价指标 3.1 方差 3.2 信息熵 四、监督型评价指标 4.1 F 统计量 4.2 卡方检验 4.3 互信息 4.3.1 不对因子和收益做离散化处理 4.3.2 对因子和收益做离散化处理 五、总结 量化投资与机器学习微信公众号,是业内...
收益率分析、换手率分析、板块分析等多个方面,是对单个因子做检验,判断其是否对收益有显著影响;因子筛选主要有逐步回归、主成分分析 PCA 等方法,是对批量因子做筛选,剔除冗余因子,降低因子间的相关性,因子检验得到的因子有效性程度也可以作为因子筛选的评价指标,用于剔除低效因子。
收益率分析、换手率分析、板块分析等多个方面,是对单个因子做检验,判断其是否对收益有显著影响;因子筛选主要有逐步回归、主成分分析 PCA 等方法,是对批量因子做筛选,剔除冗余因子,降低因子间的相关性,因子检验得到的因子有效性程度也可以作为因子筛选的评价指标,用于剔除低效因子。
2024《因子日历》:主打一个高频! 自2022年起,QIML推出了国内首款《因子日历》后,一度成为量化圈最周边。目前《因子日历》已推出两季,2024我们如约而至。 今年的《因子日历》QIML主打高频因子 我们将在12月正式开始发售
我们可以通过日历因子,来统计一下各月份的收益情况,以及对投资策略的参考: 我们用PTrade来挖掘一下这个因子: 1,统计2006-2023年,沪深300指数的月度收益率; 可以看到,在2006-2023年间,所有8月份的跌幅最大,达到了-38.04%,6月份的跌幅第二,达到了-26.79%,如果我们避开这两个月进行交易,其它月份持仓躺平,会不会有...
这里指的是5月6月很难,7月会比较好,9月10月都不错,那么在这样的投资日历中,是否真的有效果呢? 我们可以通过日历因子,来统计一下各月份的收益情况,以及对投资策略的参考: 我们用PTrade来挖掘一下这个因子: 1,统计2006-2023年,沪深300指数的月度收益率; ...
自2022年起,QIML推出了国内首款《因子日历》后,一度成为量化圈最🔥周边。目前《因子日历》已推出两季,2024我们如约而至。 今年的《因子日历》QIML主打高频因子 我们将在12月正式开始发售
作者: 2024《因子日历》重磅来袭! Quant人手一本!
2024《因子日历》:主打一个高频! 自2022年起,QIML推出了国内首款《因子日历》后,一度成为量化圈最周边。目前《因子日历》已推出两季,2024我们如约而至。 今年的《因子日历》QIML主打高频因子 我们将在12月正式开始发售