跳转至


课程  story  量化传奇  Python  Poetry  ppw  statistics  CDF  KS-Test  algorithms  machine learning  strategy  python  sklearn  算法  book  books  quant  Figures  Behavioral Economics  人物  职场  Quantopian  investing  algorithm  quantlib  jupyter-notebook  qmt  xtquant  blog  static-site  tools  pandas  duckdb  量化数据存储  hdf5  h5py  pyarrow  parquet  数据源  clickhouse  rsi  zigzag  穹顶压力  因子  ORB  策略  技术指标  pearson  spearman  factor  因子分析  Alphalens  涨停板  机器学习  xgboost  review  zscore  波动率  顶背离  copilot  vscode  Jupyter  notebook 


2024

  • 分类于 python
  • 需要 1 分钟阅读时间

Jupyter Notebook中如何设置环境变量？

我们常常通过Jupyter Notebook来分享代码和演示分析结果。有时候，我们需要在代码中使用账号和密码，如果它们也被分享出去，可就大不妙了。正确的做法是把密码设置在环境变量中，在代码中读取环境变量。但是，Jupyter Notebook默认设置下，并不能读取到主机的环境变量。

  • 分类于 strategy
  • 需要 1 分钟阅读时间

私募量化策略大盘点-2024年初

看了十几家私募路演报告，总结出2023年最有效的策略！

因子挖掘还是以手工为主，最有效的因子（策略）仍然是技术类的趋势+反转，无论是CTA还是量化多头都是如此。模型构成基本上都是机器学习。其中树模型比神经网络占比更大一些，有的机构中使用率高达90%。

  • 分类于 strategy
  • 需要 2 分钟阅读时间

Alphalens因子分析(4) - Information Coefficient方法

在前面的笔记中，无论是回报分析，还是因子Alpha，它们都受到交易成本的影响。信息分析 (Information Analysis)则是一种不受这种影响的评估方法，主要研究方法就是信息系数(Information Coefficient)。

  • 分类于 strategy
  • 需要 4 分钟阅读时间

Alphalens 因子分析 - 以低换手率因子为例(1)

R50 因子分析是量化研究的基本技能之一。通过因子分析，找出有效的因子，通过相关性去重后，就可以通过机器学习、线性回归等方法把因子组合起来，构成交易策略。

这一篇笔记我们就介绍如何使用 Alphalens 来进行单因子分析。我们使用的因子是低换手率因子。

  • 分类于 algo
  • 需要 3 分钟阅读时间

KS Test, 广义双曲分布和抄底沪指

R50 上一篇笔记我们抛出一个问题，沪指大跌 4%时，能不能抄底？今天的笔记，我们就通过 KS 检验，找出沪指的概率分布，进而回答这个问题。在后面的笔记中，我们还将换一个方法继续回答这个问题。

  • 需要 2 分钟阅读时间

Z-score 因子的深入思考

R50

最新（2024 年 1 月）出版的 SC 技术分析（Techical Analysis of Stock & Commodities）的第 4 条文章给到了 Z-score，原文标题为《Z-score: How to use it in Trading》。今天的笔记，就借此机会，同步推出我们对通过Z-score来构建量化因子的一些观点。

  • 需要 3 分钟阅读时间

存了50TB！pyarrow + parquet

R50 在上一篇笔记中，我们指出，如果我们只在日线级别上存储行情数据和因子，HDF5 无论如何都是够用了。即使是在存储了 40 年分钟线的单个股数据集上，查询时间也只花了 0.2 秒 -- 这个速度已经足够快了，如果我们不需要在分钟级别上进行横截面数据查询的话。

  • 分类于 quantlib
  • 需要 4 分钟阅读时间

200倍速！基于 HDF5 的证券数据存储

R50

去年 15 日的笔记挖了个坑，给出了量化数据和因子的存储方案技术导图。这一篇笔记就开始填坑。

即使我们购买了在线数据服务，比如 tushare, 聚宽的账号，我们仍然要构建自己的本地存储，为什么？