老韵-机器学习作业
感谢万老师,这堂课收获非浅。无论是滚动训练框架,还是scikit-learn等知识的扩展,都对我的量化学习直到了非常大的启迪作用。
坦率讲,对平台和代码都还是半生不熟的情况下,这个作业的过程,就是一个非常高效的学习过程。
1、先试着补全一个线性模型。
首先拟定了五个常见因子,简化起见都是用
由bqgl97s8创建,最终由bqgl97s8更新于
感谢万老师,这堂课收获非浅。无论是滚动训练框架,还是scikit-learn等知识的扩展,都对我的量化学习直到了非常大的启迪作用。
坦率讲,对平台和代码都还是半生不熟的情况下,这个作业的过程,就是一个非常高效的学习过程。
首先拟定了五个常见因子,简化起见都是用
由bqgl97s8创建,最终由bqgl97s8更新于
使用总市值,换手率,pe_ttim和净利润(单季度, 同比增长)的截面排序 4个因子作为因子,使用LinearRegression,xgboost和随机森林分别进行回归,LinearRegression效果最好,如下图所示。
。
因子决定潜在收益空间,模型能够提升回测和实盘中的收益表现。
模型和因子的相对重要性会随着环境变化而变化。
\
由bqae70pv创建,最终由bqae70pv更新于
非常感谢张伟同学和四金同学的作业能给我看,我还好多代码不会写。
from bigmodule import M
# <aistudiograph>
# @param(id="m5", name="initialize")
# 交易引擎:初始化函数,只执行一次
由bqtzejx8创建,最终由bqtzejx8更新于
import matplotlib.pyplot as plt
import seaborn as sns
wegiht_list = [0.8,0.6,0.4,0.2]
p_values = pd.DataFrame([])
for weight in wegi
由bqtzejx8创建,最终由bqtzejx8更新于
from bigmodule import M
# <aistudiograph>
# @param(id="m7", name="initialize")
# 交易引擎:初始化函数,只执行一次
def m7_initialize_bigquant_run(con
由bqtzejx8创建,最终由bqtzejx8更新于
from bigmodule import M
# <aistudiograph>
# @param(id="m5", name="initialize")
# 交易引擎:初始化函数,只执行一次
def m5_initialize_bigquant_run(con
由bqtzejx8创建,最终由bqtzejx8更新于
from bigmodule import M
# <aistudiograph>
# @param(id="m5", name="initialize")
# 交易引擎:初始化函数,只执行一次
def m5_initialize_bigquant_run(con
由bqtzejx8创建,最终由bqtzejx8更新于
1、请回顾你过去的交易经验,选择一个你曾经使用过的交易方法,尝试用量化的方式重新表达出来(用文字描述,无需代码实现)
优选2-3个近期热点行业筹码峰低位集中的2-3之股票。最好是看的出来主力持仓开始集中了。
量化表达:
(一)定义板块动量因子确定热门板块
(二)定义股票动量因子
由bqtzejx8创建,最终由bqtzejx8更新于
由bqafrbvb创建,最终由bqafrbvb更新于
量化投资,简单说就是“用数学和算法代替人脑做买卖”。它把选股、择时、仓位、等所有环节都写成可计算、可回测的规则,然后让电脑按规则执行。核心要素可以拆成三块:
由bqtzejx8创建,最终由bqtzejx8更新于
由bqz709ry创建,最终由bqz709ry更新于
因子和模型同样重要,模型相同的情况,不同因子在回测中,差异巨大。相同因子在不同的模型下进行回测,表现也各不相同。
一个好的策略,是因子和模型共同组合得到的。
因子可以决定回一个量化交易的潜在收益空间,好的模
由bqf6mces创建,最终由bqf6mces更新于
由bqg4auih创建,最终由bqg4auih更新于
感谢:作业太难了,感谢TCB的作业可以抄抄,比较简洁。
变化:n1,n2两个参数可调;持仓50只股票;增加了几个过滤条件如非ST、非停牌、非北交所板块等。
洞察:将北交所剔除后,夏普率从2.15下降到1.69,说明微盘股可能和很多人没关系因为无法买卖北交所股票。
==问题:批改作业的老师,
由bq9ndiek创建,最终由bq9ndiek更新于
对每一只股票,取最近 10个交易日 的最低价序列做 时间序列排序;在横截面(同一天所有股票)上,把上面得到的 0–1 分位值再排一次序,又得到 0–1 之间的分位值;因子值越大 → 股票当前价越接近 10 日最低点(时间序列排序值越低,再取负后反而越大);**因子值越
由bqg4auih创建,最终由bqg4auih更新于
由bqg4auih创建,最终由bqg4auih更新于
由bqg4auih创建,最终由bqg4auih更新于
换手率(turn)、股东变化数(shareholder_chg)和股东数量(a_shareholder),我将设计一个综合因子。以下是完整的因子设计方案:
\n
由bq9dhg5r创建,最终由bq9dhg5r更新于
由yzc18811006016创建,最终由yzc18811006016更新于
因子说明:
高成长+低换手+小市值(成交额波动小,流动性不足)
c_pct_rank(net_profit_to_parent_deduct_cagr_3_ttm) + c_pct_rank(-m_sum(turn, 5)) + c_pct_rank(-M_nanstd(am
由bqae70pv创建,最终由bqae70pv更新于
由bqrlttmv创建,最终由bqrlttmv更新于
换手率与市值因子
[https://bigquant.com/codesharev3
由bqbppxmo创建,最终由bqbppxmo更新于
由bq4jnrx6创建,最终由bq4jnrx6更新于
由small_q创建,最终由small_q更新于