情绪因子｜XenonDB情绪因子2019-2021年单因子回测

最新推荐文章于 2025-05-29 17:08:41 发布

超对称技术官方

最新推荐文章于 2025-05-29 17:08:41 发布

阅读量362

点赞数

文章标签：金融语言模型人工智能

本文链接：https://blog.youkuaiyun.com/qq_22674347/article/details/128718673

版权

XenonDB情绪因子基于自然语言处理技术，回测显示2019-2021年间，采用此因子的策略在沪深300指数上的超额收益显著，尤其是在熊市中表现优越。情绪因子能够有效反映市场情绪并辅助精选股票，但面临交易成本、胜率和波动性等问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、背景

1. XenonDB数据库简介

XenonDB数据库是专业的经济金融时间序列数据库。应用自然语言分析和分布式计算技术，我们对大规模混乱的市场数据进行识别和分析，生成市场和企业各个维度的实时数据，向工业，商业，经济，金融，政务，教学和科研领域的专业人员提供高质量的结构化数据，快速的信息检索，和基于API的高频数据调用。

2. 产品概述：情绪因子

提供多维度依据

以时间为序列，不同等级满足不同需求

超广度覆盖面，深挖数据价值

实时更新，锁定信息价值

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

超对称技术官方

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

情绪因子1

08-08

因子1：Investor sentiment 情绪因子数据来源：Wugler’s NYU 针对债券市场需要调整，根据文献调整（下面截图了公式（14））文献：La

情绪因子｜共线性问题：与T日动量的因子

qq_22674347的博客

01-17

353

在情绪因子融入多因子模型中，最常见到的问题是：情绪因子往往会和当日动量因子产生较大共线性，从而导致因子间相互不独立，最终影响多元回归的预测。本文就该问题进行了一系列研究，以期抛砖引玉，提供更多的解决思路。

1 条评论您还未登录，请先登录后发表或查看评论

【量化交易】量化因子情绪类因子计算

海贼王的博客

08-20

3409

中证500，近三年超额收益因子排序

情绪因子 | 大盘的领先指标：雪球情绪指数完整历史回测

qq_22674347的博客

01-17

1211

前文我们对来源于股吧的情绪指数，通过简单策略以历史股价为基准进行了回测。对于雪球的情绪指数，我们用同样的方法对历史数据进行回测以期能有一些新的发现。

如何用tick数据构建买入情绪因子

量化交易研究

08-08

6374

简介不同频率级别的行情数据的信息含量是不同的。一般而言，频率越高的数据蕴含的信息越多，这一点主要体现在两个方面：切片数据细化带来量价波动的信息含量提升；逐步分解的盘面数据对于交易行为辨识度的提高。第一点很好理解，我们常常会观测更高频率的K线，提取在低频率数据中无法观测到的级别内数据波动，以期观测到更多的量价信息。从本质上来说，对于行情数据的分析，包括判断投资者情绪、把握投资者资...

量化交易常用名词介绍（三）——因子篇

m0_67510277的博客

04-09

6300

然而，需要注意的是，高增长潜力的公司也可能伴随着较高的风险，因此在使用成长因子时，投资者应当综合考虑风险和回报的平衡。技术因子（Technical Factors）在投资领域中通常指的是那些基于历史价格和交易量数据的量化指标，它们被用来分析和预测金融市场中证券价格的未来走势。市场情绪因子（Investor Sentiment Factor）是指反映市场参与者情绪和心理状态的一系列指标，它们可以影响投资者的交易行为和决策，从而对资产价格和市场波动产生影响。

简单构建新闻数据对股票的情绪因子（大盘因子）

leofionn的博客

10-06

2164

简单思路描述：根据前一天的新闻数据，预测后一天大盘涨跌，涨为1，跌为0. 构建数据集： import tushare as ts ts.set_token(' ') #ts.set_token('your token here') pro = ts.pro_api() df1 = pro.cctv_news(date='20190916')#0 df2 = pro.cctv_news(date='...

Python量化交易12——Tushare全面获取各种经济金融数据

最新发布

weixin_46277779的博客

05-29

865

获取K线数据，市盈率，市净率，换手率，还有宏观经济的GDP,LPR,CPI,PPI,PMI,M0,M1,M2,还有财务报表里面的指标，资产负债表，现金流量表，利润表等

金融欺诈有哪些检测手段

workflower的博客

05-29

806

*最有效的防护**永远是多层防御：技术拦截（70%）+ 人工研判（20%）+ 用户意识提升（10%）。- **对抗性攻击（Adversarial Attacks）**：欺诈者使用GAN生成虚假信息，需持续升级AI模型。- **隐私合规**：GDPR/CCPA下需平衡数据使用与隐私保护（差分隐私、同态加密）。- **跨行业协同**：金融、电商、通讯行业共建反诈联盟（如中国反诈中心APP数据联动）。- **原理**：预设基于历史经验的规则（如"单笔交易超过10万元触发审核"）。

2025年数字经济与绿色金融国际会议：智能金融与可持续发展的创新之路

2403_89423032的博客

05-29

334

第二届数字经济与绿色金融国际会议将聚焦数字技术与绿色金融融合创新，探讨数字货币、区块链应用、碳交易数字化等核心议题。会议设置旁听、汇报、投稿三种参与方式，接受全文或摘要投稿（需英文撰写），旨在促进全球可持续发展经验交流与跨国合作。

对话魔数智擎CEO柴磊：昇腾AI赋能，大小模型融合开启金融风控新范式

AImatters的博客

05-26

1392

如何让AI 成为银行的金融风控专家

OpenCV CUDA模块直方图计算------在 GPU 上计算输入图像的直方图（histogram）函数histEven()

jndingxin的专栏

05-29

463

该函数用于在 GPU 上计算输入图像的直方图（histogram）。它将像素值区间均匀划分为若干个 bin（桶），并统计每个 bin 中像素的数量。

Prompt Tuning：优化提示调优全攻略

ZJQ的博客

05-26

862

Prompt Tuning（提示调优）是一种通过优化提示词来调整预训练语言模型行为的技术。主要变体包括：Prefix Tuning（添加可训练前缀向量）、Hard-Prompt Tuning（直接使用自然语言提示）、Soft-Prompt Tuning（学习通用提示向量）、Prompt Ensemble（多提示集成）和Auto-Prompt（自动搜索最优提示）。其中Hard-Prompt Tuning最为直观，可通过自然语言指令（如"这段文字的情感是积极的"）引导模型输出。代码示例展示了

一、OpenCV的基本操作

qq_48904748的博客

05-23

891

OpenCV是一个功能强大的计算机视觉库，包含多个模块，如图像处理、视频分析、机器学习等。基础操作包括图像的IO操作、绘制几何图形、获取和修改像素点、获取图像属性、图像通道的拆分与合并以及色彩空间的转换。此外，OpenCV还支持图像的算术操作，如图像的加法和混合，这些操作可以用于图像增强和合成。通过这些功能，OpenCV能够处理各种图像处理任务，为计算机视觉应用提供强大的支持。

智能体商业化落地实战指南：破解技术变现“最后一公里“难题

2401_88740939的博客

05-28

824

AI智能体开发遇变现难题，井云平台推出解决方案。当前智能体开发者面临三大困境：用户管理低效、支付链路缺失、流量转化乏力。井云平台通过三大引擎帮助实现商业化闭环：1）灵活计费模式和支付系统；2）独立官网生成与会员运营工具；3）企业级定制服务。典型应用场景包括法律咨询、文案生成、虚拟偶像等，支持从开发到变现的零代码快速部署，解决AI技术落地最后一公里问题，让智能体真正实现商业价值。

React笔记-Ant Design X样本间对接智谱AI

IT1995的博客

05-26

1088

本文介绍了如何将AntDesignX样本间对接智谱AI的API接口。主要步骤包括：1）搭建AntDesignX样本间；2）获取智谱AI的API接入信息；3）修改代码中的请求配置，设置基础URL、API密钥和模型参数；4）调整请求处理逻辑，实现流式响应处理和数据拼接。关键点在于正确配置请求参数和实现流式数据的实时更新，最终完成与智谱AI的对接。

【第4章图像与视频】4.6 结合剪辑区域来绘制图像

奋斗的小猪

05-29

737

本节将综合运用图像处理、离屏 canvas 以及剪辑区域等技术实现墨镜效果。

AI大模型赋能客服中心：实施路径与关键策略

2202_75469062的博客

05-29

794

AI大模型正在重塑客户服务行业格局，为企业客服数字化转型提供创新解决方案。文章系统阐述了AI大模型在客服领域的完整应用路径：首先明确业务需求与量化目标，选择适配的AI模型；其次做好数据准备与系统集成，通过试点验证模型效能；然后持续优化训练，逐步扩大应用范围；最后建立长期运营机制。实施过程中需应对技术适配、品牌契合和成本控制等挑战，采用"敏捷试点、快速迭代"策略。通过科学的全生命周期管理，AI大模型可显著提升客服效率40%以上，降低运营成本30%，同时改善客户体验，实现服务数字化转型。

NoteGen 如何使用 AI 进行记录

github_35432979的博客

05-26

528

切换到 AI 整理模式：在对话框右下角切换为“整理模式”，AI 会分析所有记录（如一周内的内容），生成一篇结构化的 Markdown 笔记。这适合视觉化记录，如照片或图表。NoteGen 的记录页面是 AI 记录的起点，它支持多种方式（如截图、插图、文件、文本和链接），并由 AI 助手增强效率。提示：在记录过程中，AI 助手会自动检测剪贴板内容（如文本或图片），并在 5 秒内提示你记录，极大提高了效率。文件记录：选择本地文件（如 TXT 或 PDF），AI 会将其转换为文本形式记录，支持快速提取内容。