本书由worldquant创始人Igor Tulchinsky撰写，详细阐述如何发现、评估和优化阿尔法（α）。介绍了α的定义、有效市场假说、信息系数等概念，并探讨了不同类型α的标准和构建过程。强调了α的鲁棒性、风险管理和数据源的重要性，提供了降低风险的策略和技术面、基本面分析技巧。
文章目录
Igor Tulchinsky是worldquant的创始人，从苏联逃到美国，在Mellinium内部做了几年后成为PM，创造出独有的量化公司组织形式
本书针对如何寻找、评价、优化 α \alpha α进行了描述，同时给出了一些简单的alpha例子，基于WebSim给出了许多API介绍。
知乎某同人也有阅读笔记，链接如下：https://zhuanlan.zhihu.com/p/93618059
定义
Definition of alpha
- α \alpha α是一组数学公式，计算机代码及参数的集合，通过对于历史数据的应用实现对金融工具未来的预测
- α \alpha α是对于每种金融工具未来收益值得预测
- α \alpha α基于基本面的表达观点
Efficient-Market Hypothesis （EMH）
- weak：当前的价格已经将过去的公开信息反映出来
- semi-strong：过去的和当前的公开信息已经表现在价格之上
- strong：无论公开还是非公开信息已经全部表现在价格之上了
IC information coefficient
correlation of predicted return and realized return (对于个股的预测准确度）
I R = I C × s q r t ( b r e a d t h ) IR = IC \times sqrt(breadth) IR=IC×sqrt(breadth)
指标
- booksize：总的资金量，对于WebSim中，赚到的和赔了的钱均会被补偿，即不存在利滚利的现象，每天资金重新注入
- PbL: profit and loss:
d a i l y p n l = ∑ ( p o s i t i o n × D a i l y R e t u r n ) daily pnl = \sum (position \times Daily Return) dailypnl=∑(position×DailyReturn)
d a i l y r e t u r n = c l o s e t c l o s e t − 1 − 1 daily return = \frac{close_t}{close_{t-1}} - 1 dailyr
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
