跳转至


课程  因子投资  机器学习  story  量化传奇  Python  Poetry  ppw  algo  FFT  statistics  CDF  KS-Test  回测  过拟合  algorithms  machine learning  strategy  python  sklearn  算法  Info  interview  career  xgboost  PCA  wavelet  Figures  Behavioral Economics  人物  职场  Quantopian  figure  Banz  rsi  zigzag  穹顶压力  因子  pe  ORB  策略  Xgboost  技术指标  quant  algorithm  pearson  spearman  factor  因子分析  Alphalens  涨停板  因子策略  momentum  因子评估  review  trade  history  zscore  波动率  顶背离  freshman  resources  others  network  tools  weekly  numpy  pandas  quantlib  jupyter-notebook  pypinyin  qmt  xtquant  blog  static-site  duckdb  工具  colors  free resources  barra  world quant  Alpha  pdf  openbb  数据  arsenal  copilot  vscode  AI  code  量化数据存储  hdf5  h5py  Jupyter  jupysql  pyarrow  parquet  数据源  clickhouse  programming  notebook 


Index

  • 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。

  • 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。

  • 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？

  • 需要 4 分钟阅读时间

2024年，免费博客赚钱方案

几年前，我就推荐过用 Markdown 写作静态博客。静态博客几乎是零托管成本，比较适合个人博客起步。Markdown 便于本地搜索，也可当作是个人知识库方案。

现在有了新的进展。我不仅构建了一个视觉上相当不错的个人网站，还美化了 github、构建了个人出版系统 -- 将文章导出为排版精美的图片和 pdf 的能力。

  • 需要 2 分钟阅读时间

羊群效应及其因子化

R50

在之前的笔记中，我们多次将现代金融理论与A股中流行的股谚、规律和大V的经验之谈结合起来，我们戏称为现代金融理论的中国化。本篇笔记将继续沿着这一思路展开，介绍羊群效应，以及在A股中，它有哪些表现，如何实现因子化，等等。

今天我们要介绍的股谚，是养家心法里中的一条，得散户者得天下。它实际上讲的是要充分利用羊群效应。