多因策之余子

多因子策略之冗余因子 原 多因子策略之冗余因子 引言: 上一篇文章《多因子选股之有效因子》,我们讲到有效因子的检验。在选择了有效因子之后,我们还需要进行一步去除冗余因子。 不同的选股因子可能由于内在的驱动因素大致相同等原因,所选出的组合在个股构成和收益等方面具有较高的一致性,因此其中的一些因子需要作为冗余因子剔除, 而只保留同类因子中收益最好,区分度最高的一个因子。例如成交量指标和流通量指标之间具有比较明显的相关性。流... 阅读详情

原 多因子策略之冗余因子

引言:

上一篇文章《多因子选股之有效因子》,我们讲到有效因子的检验。在选择了有效因子之后,我们还需要进行一步去除冗余因子。

不同的选股因子可能由于内在的驱动因素大致相同等原因,所选出的组合在个股构成和收益等方面具有较高的一致性,因此其中的一些因子需要作为冗余因子剔除, 而只保留同类因子中收益最好,区分度最高的一个因子。例如成交量指标和流通量指标之间具有比较明显的相关性。流通盘越大的,成交量一般也会比较大,因此在选股模型中,这两个因子只选择其中一个。

主要步骤:

我参考了网络上不同的剔除方法,但都仅仅浅尝辄止,没有进行深入的代码探究。我们先说剔除冗余因子的主要步骤:

假设现有k个因子,回测周期可分为m个月,股票可均分为n个组合,

1、分别按不同因子的大小进行排序,讲股票分为n个组合进行打分,分值与该组合在整个模型形成期的收益相关,收益越大,分值越高。分值赋给每月该组合内的所有个股。

如果组合10的收益大于组合1,那么就将组合 i 各个股票的各个股票分值设置为 i ,各个组合的分值从低到高进行排列分别是

1,2,3,4,5,6,7,8,9,10。如果组合1的收益大于组合10,那么正好是反过来 10,9,8,7,6,5,4,3,2,1。

2、按月计算个股的不同因子得分间的相关性矩阵。

3、在计算完每月因子得分相关性矩阵后,计算整个样本期内相关性矩阵的平均值。

4、设定一个得分相关性阀值,将得分相关性平均值矩阵中大于该阀值的元素所对应的因子只保留与其他因子相关性较小、有效性更强的因子,而其它因子则作为冗余因子剔除。

测试参数:

我们根据步骤,在掘金平台上实现
测试参数声明:
测试平台:掘金量化
测试时间:2016-01-01——2018-01-01
测试股票池:“上证50”成分股
测试因子:

0_1533722338455_01.jpg

测试步骤:

1、获取每个月的首个交易日,月初获取每只股票的因子数据及当月收益率,根据因子数值排序,将股票分为10组,根据平均收益为股票组合打分,分值赋予对应组合中所有股票。

2、分别测试股票关于四种因子的分值,根据每月结果,计算相关性系数矩阵。

3、计算整个测试周期的相关性系数平均值。

4、设定阈值,剔除冗余因子。

结果:

我们看几个月份的相关性系数矩阵
0_1533722784179_图片1.png

                                                                              2016年3月


0_1533722839507_图片2.png

                                                                     2016年4月


0_1533722875258_图片3.png

                                                                            2016年6月
0_1533722892677_图片5.png

                                                                     2016年10月
0_1533722944456_图片5.png

                                                                       2016年12月
0_1533722975118_图片6.png

                                                                2017年6月

再来看各个月的统计表格

0_1533723012850_360截图20180808172905332.jpg

我们经过统计,得出平均相关性系数矩阵
0_1533723037047_360截图20180808173102752.jpg

结论:

我们选取的四个有效因子,平均相关性系数均小于0.25,也就是我们选取的因子相关性很低,我们可以放心的进行因子间的组合,构建新的因子。

冗余因子剔除的思想:计算股票根据每个因子的所获得的分值,通过比较该分值,从而得到因子间的相关性,相关性高的,剔除其中一个,留下有效性高并与其他因子相关性低的因子。

查看获取冗余因子策略请点击:https://www.myquant.cn/community/topic/695

来源:掘金量化myquant.cn,作者:经纬量化  宋瑞笛   ,转载请注册出处!

--------------------------------------------------------------------------------------------------------------------------

推荐文章阅读:

1双均线策略(期货)  量化策略源码https://www.myquant.cn/docs/python_strategyies/153
2alpha对冲(股票+期货)  量化策略源码https://www.myquant.cn/docs/python_strategyies/101
3集合竞价选股(股票) 量化策略源码https://www.myquant.cn/docs/python_strategyies/102
4多因子选股(股票)  量化策略源码https://www.myquant.cn/docs/python_strategyies/103
5网格交易(期货)  量化策略源码https://www.myquant.cn/docs/python_strategyies/104
6指数增强(股票)  量化策略源码https://www.myquant.cn/docs/python_strategyies/105
7跨品种套利(期货)量化策略源码https://www.myquant.cn/docs/python_strategyies/106
8跨期套利(期货) 量化策略源码https://www.myquant.cn/docs/python_strategyies/107
9日内回转交易(股票)量化策略源码https://www.myquant.cn/docs/python_strategyies/108
10做市商交易(期货) 量化策略源码https://www.myquant.cn/docs/python_strategyies/109
11海龟交易法(期货) 量化策略源码https://www.myquant.cn/docs/python_strategyies/110
12行业轮动(股票) 量化策略源码https://www.myquant.cn/docs/python_strategyies/111
13机器学习(股票) 量化策略源码https://www.myquant.cn/docs/python_strategyies/112

《算法导论 第三版英文版》_高清中文版

《深度学习入门:基于Python的理论与实现》_高清中文版

《深入浅出数据分析》_高清中文版

《Python编程:从入门到实践》_高清中文版

《Python科学计算》_高清中文版

《深度学习入门:基于Python的理论与实现》_高清中文版

《深入浅出数据分析》_高清中文版

《Python编程:从入门到实践》_高清中文版


初探多因子选股:多因子筛选与因子正交化 多因子筛选与因子正交化方法 引言 在多因子研究框架中,如果已经检验出多个有效的因子,而在实际因子选股的过程中,各个有效的因子可能会相互影响, 何为正交化? 阅读详情

相关推荐

神策 sensor官网简介以及各个指标简介

神策 sensor官网简介 1. 神策是什么 2. 官网简单布局 3. 各个功能入口

xiaohu21的博客 3219

【数字设计与计算机体系结构】2021-10-6-数字设计与计算机体系课程(七)(第二章)

逻辑代数常用公式: 吸收公式: 两乘积项相加,其中一项以另一项为因子,则该项多余,可以消去; A+AB=A (20) (按对偶规则 A∙(A+B)=A (21)) 【AB以A为因子,所以AB是多余的,可以去掉,所以有此等式;】 证明:A+AB=A(1+B)=A∙1=A; 并项公式: 两个乘积项相加,如两项的一个因子相等,另一个因子互补,则互补因子可以消除,两项合并成一项。 AB+A‾\overline{A}AB=B (22) (按对偶规则 (A+B)∙(A‾\overline{A}A+B)=B (2

m0_51746993的博客 1194

Qt子窗口全屏显示

一,Qt全屏显示相关函数 1,全屏显示函数 QWidget::showFullScreen(); // 此方法只对顶级窗口有效,对子窗口无效 2,恢复显示函数 QWidget::showNormal(); // 此方法也只对顶级窗口有效,对子窗口无效 3,最小化显示函数 QWidget::showMinimized(); 4,最大化显示函数 QWidget::showMaximi...

我想遇见你,在最美的季节 8638

逻辑代数的基本规则&&常用公式

为了我的粉丝和我的数电,就来水一期blog吧~ 基本规则 代换规则 代换规则(Replacement): 任何含有变量X的逻辑等式,若将所有出现变量X的地方都用另一逻辑表达式Y代换,则等式仍然成立。使用代换规则时,要将等式两边所有出现被代替变量X的地方均代入同一表达式,否则等式不成立。 这是三个规则中最简单直白的一个,就不浪费时间和版面了 对偶规则 对偶规则(Dual): 对任意逻辑函数...

Coco_T的博客 5596

【5G学习】基本概念之多频资源以及子载波和信道

5G通过。

weixin_42127042的博客 1898

01-【分析】神策系统的拆解与分析

当前行业里有一句正确的废话:数据分析很重要,数据驱动很重要。 但是看了很多围绕这些话写的文章,具体咋做却很少有介绍,看的云里雾里,不够落地,关于神策的思路和实践经验,我会用如下系列文章来进行阐述如何让数据和业务结合,也欢迎大家指点挑错,一起成长~ 一、讲解神策的产品功能以及架构 二、神策实施的实操细节和经验分享 然后还有其他比如UML,权限设计的内容会单独整合到一个新的专题讲 本篇文章即为第一篇,主要讲的就是神策后台的产品使用体验和核心产品结构倒推,下面开始正文 业务使用现状 神策现在已经..

Lwzx707273809的博客 1467

商品期货多因子 全市场对冲模型

文章梳理了影响商品期货溢价的因子,总结了学术界和业界提出的构建商品期货多空组合的11大类因子(绝大多数均有正收益,其中期限结构、价值和偏度因子正收益率最为显著),其中既包括广泛讨论的动量因子、期限结构因子、特质波动率等因子,同时还探讨了2010年以后兴起的持仓情况因子、流动性因子、通胀因子、汇率因子等影响期货定价的因子。期货现货基差指的是期货合约价格与现货价格的差值,现货价格不像期货价格,没有统一的权威的参照,很多大宗商品由于各地区运输成本的存在,差别各异,所以现货价格参照的选取就很讲究了。

AI生成式技术曾小健 2953

大语言模型后训练:离策与在策学习融合实战指南

大语言模型的后训练是模型从通用能力转向专业应用的关键环节,其核心在于如何高效地利用数据优化模型行为。从技术原理上看,监督式微调通过静态数据集直接优化模型参数,训练稳定且高效,是构建专业模型基线的首选方法。然而,面对动态环境和复杂序列决策任务时,强化学习通过与环境交互、依据奖励信号优化策略,能直接优化最终目标并具备强大的分布外适应能力。在工程实践中,离策学习的稳定性与在策学习的超越性并非对立,通过构建“离策预热、在策微调”的统一框架,并引入数据回流机制形成迭代飞轮,可以兼收两者优势。本文聚焦于离策学习与在策学

weixin_29065659的博客 330

书匠策AI官网www.shujiangce.com:你的期刊论文写作搭子,到底有多“卷“?

AI不会替代你的思考,但它可以帮你把那些"重复劳动"全部干掉,让你把精力花在真正重要的地方——你的研究思路和学术表达上。,微信搜"书匠策AI"就能找到。如果你正在被期刊论文折磨,不妨去试试,反正智能选题是免费的,不试白不试。咱们下期见,继续聊论文那些事儿!📝。

zpl435219xrw的博客 299

冗余因子的剔除.py

多因子选股模型的建立过程之有效但冗余因子的剔除。不同的选股因子可能由于内在的驱动因素大致相同等原因,所选出的组合在个股构成和收益等方面具有较高的一致性,因此其中的一些因子需要作为冗余因子剔除, 而只保留同类因子中收益最好、区分度最高的一个因子。

经典量化策略:Dual Thrust(期货).py

Dual Thrust是一个趋势跟踪系统,由Michael Chalek在20世纪80年代开发,曾被Future Thruth杂志评为最赚钱的策略之一。本策略回测收益率24.14%,最大回撤20.65%,夏普比率1.99

vue项目中使用神策进行数据埋点

前言: 在vue种使用神策进行数据埋点 一、数据埋点的意义: 所谓埋点就是在应用中特定的流程收集一些信息,用来跟踪应用使用的状况,后续用来进一步优化产品或是提供运营的数据支撑,包括访问数(Visits),访客数(Visitor),停留时长(Time On Site),页面浏览数(Page Views)和跳出率(Bounce Rate)。这样的信息收集可以大致分为两种:页面统计(track this virtual page view),统计操作行为(track this button by...

浩星 1万+

13个经典量化策略 汇总.pdf

双均线策略(期货) alpha对冲(股票+期货) 集合竞价选股(股票) 多因子选股(股票) 网格交易(期货) 指数增强(股票) 跨品种套利(期货) 跨期套利(期货) 日内回转交易(股票) 做市商交易(期货) 海龟交易法(期货) 行业轮动(股票) 机器学习(股票)

神策埋点是什么

神策埋点就是利用神策数据这个强大的“工具箱”(包括工具、规范、平台),去高效、规范地收集用户在网站、App、小程序等上的行为数据,然后利用神策平台的各种分析工具来深入了解用户、发现问题、驱动产品改进和业务增长。它是企业实现精细化数据运营和产品驱动决策的基础工程之一。

zwh1zwh的博客 964

多因子选股之去除冗余因子.pdf

python量化交易经典策略

Claude Code vs Codex实战对比:哪个更适合你的Next.js项目?(含真实案例)

本文通过两个真实的Next.js项目案例,深度对比了Claude Code与Codex在UI实现和业务逻辑构建中的表现。Claude Code在代码质量、设计还原度和架构完整性方面优势明显,适合对可维护性要求高的生产级项目;而Codex则以快速响应和低成本见长,更适合原型开发或内部工具。文章提供了基于项目类型、团队能力和成本效益的详细选择策略。

weixin_29201859的博客 806

内容策展的4个成功案例

内容策展,今年又认识了一个新的职业方向。   对于执行内容营销的公司来说,要经常性地产出足够的、精准的、以及能引起互动的内容,是一个大挑战。而根据CMI和MarketingProfs的“2013年B2B内容营销研究报告”,有64%的内容营销业者觉得制定足够的内容是让他们最头痛的事。 这也是为甚么很多营销人开始运用“内容策展”(Content Curation)的技术来解决这个难题的原因。营销

maimai511的专栏 1530

用PyTorch和snnTorch库5分钟搞定一个脉冲神经网络(SNN)手写数字识别Demo

本文详细介绍了如何使用PyTorch和snnTorch库快速搭建一个脉冲神经网络(SNN)手写数字识别Demo。通过模拟生物神经元的脉冲发放机制,SNN在低功耗场景中展现出独特优势。文章涵盖环境配置、数据预处理、模型构建、训练评估全流程,并提供了性能优化技巧和常见问题解决方案,帮助开发者在5分钟内实现高效的SNN应用。

weixin_29300931的博客 392

详解神策埋点

1、什么是神策埋点神策埋点是指在Web或移动应用上通过代码追踪用户行为,收集用户行为数据并进行分析的一种技术。在产品开发过程中,通过埋点,可以收集用户在产品中的各种操作行为,如页面浏览、点击事件、购买记录等,并将这些数据发送到特定的平台进行分析和处理,以便于团队更好地了解用户使用行为、研究用户偏好,优化产品设计和营销策略。2、为什么需要神策埋点通过埋点采集用户行为数据,可以更深入地了解用户的操作行为,为产品迭代和优化提供依据。

黎小小的博客 5800

无网环境也能玩转DBeaver?手把手教你离线安装与ClickHouse连接(附实测jar包)

本文详细介绍了在无网环境下如何离线安装DBeaver并配置ClickHouse连接的完整指南。通过准备必备工具如DBeaver安装包、ClickHouse JDBC驱动及Maven本地仓库,确保在物理隔离环境中实现数据库管理。文章包含详细的安装步骤、驱动配置和性能优化建议,帮助开发者在严格网络限制下高效工作。

weixin_42635064的博客 375

三维点云孔洞修复(附Python代码和公共点云数据集链接)

(1)物体自身缺失(2)物体自身形状复杂,很多凹凸面不够规则甚至存在空腔,空腔内部无法被三维激光扫描仪扫描到(3)物体部分区域对激光扫描不敏感,未被扫描上(4)扫描仪的扫描稳定性。

yanghl1215的博客 6950

latex 子图_多图横排,每一行是一个子图(包含若干图片),每一行的子图的图题在左侧...

%% 多图横排,每一行是一个子图(包含若干图片),每一行的子图的图题在左侧,如下图所示usepackage{graphicx}begin{figure*}%加*的作用是跨栏(双栏和单栏latex的区别) centering % 图居中(a)begin{minipage}[c]{0.95textwidth} % 0.95 这个数字控制整个图的宽度,可以调节,但是由于有图题(a)所以不能为1,否则图...

weixin_39861734的博客 2595

深度学习模型设计的方法和技巧

设计神经网络模型是一个迭代的过程,需要不断试验和调整各个组成部分,以达到最佳性能。同时,遵循良好的工程实践,如模块化设计、版本控制、文档记录等,也是成功的关键。

xw555666的博客 4026
上一篇: 多因子选股之有效因子
下一篇: 多因子模型建立方法
RXiaoHong
博客等级 码龄8年 102粉丝 286原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值