精华内容
下载资源
问答
  • 2021-12-28 14:46:27

    为了保障大家的账户安全,往往会采取多种认证方式,例如多因子认证,双因子认证等等。那你知道多因子认证是什么意思?与双因子认证有什么区别?

    多因子认证是什么意思?

    多因子认证是用两种及两种以上的条件对用户进行认证的方法。通常将口令和实物(如U盾、密码器、手机短消息、指纹等)结合起来,以有效提升安全性。常用于网上银行等应用领域中。

    多因子认证与双因子认证有什么区别?

    多因子认证包含双因子认证。双因子认证是两种条件对用户进行认证的方法,而多因子认证则是两种包含两种以上的条件对用户进行认证的方法。多因子认证方式更多。

    双因子认证是什么?

    双因子认证是指结合密码以及实物(信用卡、SMS手机、令牌或指纹等生物标志)两种条件对用户进行认证的方法。采取双因子认证方式主要作用就是,确保用户账号安全,保障企业数据安全。行云管家堡垒机有双因子认证功能,其包含如下双因子认证方式:1、USB Key;2、手机短信验证码;3、微信/企业微信/钉钉验证码等第三方应用;4、手机动态令牌;5、Radius验证。

    【知识拓展】:行云管家公司介绍

    行云管家-国内唯一一家以SaaS形态提供云计算管理服务的平台,实现了对多家云厂商多种云计算资源的集中管理,从成本、自动化运维、监控、合规审计、多云纳管、云资源全生命周期等多个维度提供统一运维管控,对新基建领域的工业互联网、人工智能、大数据中心等企业而言,只需一个控制台,即可整合操作多个公有云、多个私有云 、混合云以及各种异构资源,从而进行灵活的资源管理与运维。已为包括政府、金融、证券、电信、教育、医疗、交通、制造业、互联网等行业在内的超过10万家企业用户,提供云管理、云安全和云成本优化解决方案。

    更多相关内容
  • 多因子选股模型的建立过程主要分为候选因子的选取、选股因子有效性的检验、有效但冗余因子的剔除、综合评分模型的建立和模型的评价及持续改进等5个步骤。
  • 20160921-华泰证券-多因子系列之一:华泰多因子模型体系初探.pdf
  • 20170410-光大证券-光大证券多因子系列报告之一:因子测试框架.pdf
  • 20160921-华泰证券-多因子系列之一:华泰多因子模型体系初探(1).pdf
  • 多因子选股模型的建立过程主要分为候选因子的选取、选股因子有效性的检验、有效但冗余因子的剔除、综合评分模型的建立和模型的评价及持续改进等5个步骤。
  • 究竟什么多因子模型?多因子模型是怎样搭建的?它又能达到什么样的效果?为何近年来多因子策略的产品业绩不佳?在实际投资中多因子模型面临着哪些困难?本人在职业生涯中专注于对多因子模型的研究和开发,将在整个...
  • 什么多因子量化选股模型?

    千次阅读 多人点赞 2019-07-08 10:17:00
    量化投资中经常听到的“多因子模型”是个什么鬼?因子是影响因素的简称,或简单理解成指标。我们都知道股票收益受到多重因素的影响,比如宏观、行业、流动性、公司基本面、交易情绪等等。所谓“多因子模型”,说白了...

    量化投资中经常听到的“多因子模型”是个什么鬼?因子是影响因素的简称,或简单理解成指标。我们都知道股票收益受到多重因素的影响,比如宏观、行业、流动性、公司基本面、交易情绪等等。所谓“多因子模型”,说白了就是寻找那些对股票收益率最相关的影响因素,使用这些因素(因子或指标)来刻画股票收益并进行选股。

    多因子模型是量化投资领域应用最广泛也是最成熟的量化选股模型之一,建立在投资组合、资本资产定价(CAPM)、套利定价理论(APT)等现代金融投资理论基础上。多因子模型假设市场是无效或弱有效的,通过主动投资组合管理来获取超额收益。多因子选股的核心思想在于,市场影响因素是多重的并且是动态的,但是总会有一些因子在一定的时期内能发挥稳定的作用。在量化实践中,由于不同市场参与者或分析师对于市场的动态、因子的理解存在较大差异,因此构建出各种不同的多因子模型。

    作为多因子模型入门篇,本文主要介绍多因子模型产生的理论背景、基本原理和实现步骤等,为大家学习和研究多因子量化选股模型提供一个背景知识和理论框架。

    多因子模型的理论背景

    现代金融投资理论主要由投资组合理论、资本资产定价模型、套利定价理论、有效市场假说、期权定价理论以及行为金融理论等组成。这些理论的发展极大地改变了过去主要依赖基本分析的传统投资管理实践,使现代投资管理日益朝着系统化、科学化、组合化的方向发展。

    1952年马柯维茨(Markowitz)在The Journal of Finance(金融学最顶级的学术期刊)上发表了《证券组合选择》论文,开启了现代证券组合管理理论的先河。马柯维茨开创性地引入了均值和方差来定量刻画股票投资的收益和风险(被认为是量化交易策略的鼻祖),建立了确定最佳资产组合的基本模型。

     其后,越来越多的经济金融学者通过数量化的模型以及周边市场和投资交易问题。夏普(William Sharpe)、林特尔(John Lintner)、特里诺(Jack Treynor)和莫辛(Jan Mossin)分别于1964、1965和1966年在马柯维茨投资组合理论基础上,发展出了资本资产定价模型(CAPM)。该模型不仅提供了评价收益-风险相互转换特征的可运作框架,也为投资组合分析、基金绩效评价提供了重要的理论基础。

    CAPM模型认为所有证券的收益率都与唯一的公共因子(市场证券组合)的收益率存在着线性关系。1976年,针对CAPM模型存在不可检验性的缺陷,罗斯(Stephen Ross)提出了套利定价理论(Arbitrage Pricing Theory,APT)。套利定价理论以收益率形成过程的多因子模型为基础,认为证券收益率与一组因子线性相关,这组因子代表证券收益率的一些基本因素。事实上,当收益率通过单一因子(市场组合)形成时,将会发现套利定价理论形成了一种与资本资产定价模型相同的关系。因此,套利定价理论其实是一种广义的资本资产定价模型,该理论成了多因子量化选股模型的重要理论基础。

    但是套利定价理论并没有指出影响证券收益的具体因素,在应用中需要预先判断哪些因素可能影响证券收益,并使用统计分析方法进行验证。研究者从不同角度出发,发现了各类影响证券收益的因子,比较经典的有Fama-French三因子模型

    市场中的小市值、价值股表现明显超过市场,而这一效应不能用CAPM模型解释。1981年,大卫·布斯和雷克斯·桑奎菲尔德成立了维度投资顾问公司,买入小市值、低估值的股票,获得了高额回报。1992年,Fama和French对美国股票市场决定不同股票回报率差异的因素的研究发现,股票的市场的beta值不能解释不同股票回报率的差异,而上市公司的市值、账面市值比、市盈率可以解释股票回报率的差异,因此提出了著名的三因子模型

    随着市场交易实践和研究的不断深入,研究者又发现市场中的动量现象无法用三因子模型解释。1997年,卡哈特(Carhart)认为研究股票收益应在Fama和French的三因子模型基础上加入动量效应,构建四因子模型。动量是物理学名词,是与物体的质量和速度相关的物理量,一般而言,一个物体的动量指的是这个物体在它运动方向上保持运动的趋势。而股市中的动量投资策略依据的就是动量效应,又称为“惯性效应”,即某个时段跌得最深或长得最凶的股票往往会沿着原来的方向继续运动。

    虽然四因子模型将股票收益与价格本身联系起来了,但与公司价值关系不大。从直觉上理解,在其他条件一定的情况下,财务质量高的上市公司应该带来更高的投资回报,因此有必要引入刻画公司资产质量的因子。2013年,Fama的学生阿斯内斯 (Asness)对公司“质量”进行量化,并提出了五因子模型

    后来,研究者们又发现低波动率(低beta)股票组合的实际收益比高波动率(高beta)股票组合的要高,这一现象无法用五因子模型解释,于是法拉瑞利等于2013年又将波动率因子引入,建立了六因子模型

    多因子模型的构建

    多因子量化选股的原理不难理解,即认为股票收益率是由一系列因素(因子)决定的,根据经济金融理论或市场经验寻找这些因子,然后通过对历史数据的拟合和统计分析进行验证和筛选,最后以这些因子的组合作为选股标准,买入满足这些因子的股票。在实践中,多因子量化选股已经是一个相对成熟且大致框架较为固定的策略,具体可分为五个步骤,分别为因子选取、因子有效性检验、因子筛选、综合评分模型以及模型的评价和改进

    因子的选择

    多因子选股模型的第一步是发掘各类与股票收益率相关的因子,因子的选择主要基于经济逻辑和市场经验,在经典的规模、估值、动量、波动率等全市场通用因子基础上,根据宏观、行业、公司基本面、市场特征,结合各类特异因子来构造投资组合。影响股价收益的因子多种多样,见仁见智,参考券商研报总结,有以下几类(还可以继续细分和挖掘):

    (1)市场整体:市场因子、系统性风险等;

    (2)估值因子:市盈率、市净率、市销率、 市现率、 企业价值倍数、 PEG 等;

    (3)成长因子:营业收入增长率、营业利润增长率、净利润增长率、每股收益增长率、净资产增长率、股东权益增长率、经营活动产生的现金流量金额增长率等;

    (4)盈利能力因子:销售净利率、毛利率、净资产收益率、资产收益率、营业费用比例、财务费用比例、息税前利润与营业总收入比等; 

    (5)动量反转因子:前期涨跌幅等; 

    (6)交投因子:前期换手率、量比等; 

    (7)规模因子:流通市值、总市值、自由流通市值、流通股本、总股本等; 

    (8)股价波动因子:前期股价振幅、日收益率标准差等;

    (9)分析师预测因子:预测净利润增长率、预测主营业务增长率、盈利预测调整等。 

    因子有效性的检验

    一般检验方法主要采用排序的方法检验候选因子的选股有效性。例如:可以每月检验,具体而言,对于任意一个候选因子,在模型形成期的第一个月初开始计算市场中每只正常交易股票的该因子的大小,按从小到大的顺序对样本股票进行排序,并平均分为 N 个组合,一直持有到月末,在下月初再按同样的方法重新构建 N 个组合并持有到月末,一直重复到模型形成期末。还有一个参数是候选组合的数量,具体参数的最优选择,需要用历史数据进行检验。

    剔除冗余因子

    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。

    冗余因子剔除的方法:假设需要选出 K 个有效因子,样本期共 M 月,那么具体的冗余因子剔除步骤为:

    (1)先对不同因子下的 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; 

    (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。

    多因子选股的判断方法

    多因子选股的判断方法分为回归法(OLS)打分法。回归方法是利用股票历史收益率对筛选出的多因子进行回归,估计出回归方程系数,然后将最新的因子带入回归方程估计股票未来收益,以此为依据进行选股。回归方法的问题是很难找到一个精确拟合的回归方程,模型误差比较大。

    打分法是根据各个因子的大小对股票进行打分,然后根据一定的权重加权得到一个总分,根据总分对股票进行筛选。例如每个月初,对市场中正常交易的个股计算每个因子的最新得分并按照一定的权重求得所有因子的平均分。最后,根据模型所得出的综合平均分对股票进行排序,然后根据需要选择排名靠前的股票。例如,选取得分最高的前 20%股票,或者选取得分最高的 50 到 100 只股票等等。打分法操作简单,但是权重的确定比较困难,对结果的影响较大。

    模型的评价及持续改进

    多因子量化选股模型是建立在市场无效或弱有效的前提之下,随着使用多因子选股模型的交易者数量的不断增加,有的因子会逐渐失效,而另一些新的因素可能被验证有效而加入到模型当中。此外,一些因子可能在过去的市场环境下比较有效,而随着市场风格的改变,这些因子可能短期内失效,而另外一些以前无效的因子会在当前市场环境下表现较好。

    在计算综合评分的过程中,各因子得分的权重设计、交易成本考虑和风险控制等都存在进一步改进的空间。因此在综合评分选股模型的使用过程中会对选用的因子、模型本身做持续的再评价和不断的改进以适应变化的市场环境。因子和参数的获取只能通过历史数据回测来获得,但是在回测过程中,防止出现过度优化也很重要的。

    结语

    多因子量化选股本质是基于历史数据的统计分析,通过寻找那些与股票收益率最相关的因子,并基于套利定价理论(APT),将多个影响因子进行组合,构建综合选股指标来筛选股票。任何一个多因子选股模型具有一定的时效性、风险性,需要使用者根据市场情况进行调整和更新,这是多因子选股策略存在的不足。多因子选股模型作为一种量化投资选股策略,最大的优势在于其结果是根据客观的数据和完整的模型得出的,可以避免交易者个人主观意念的干扰,具有一定客观性。多因子选股研究的对象主要是因子,因此单因子的回测和有效性检验是整个多因子模型的重要组成部分。

    后期将以系列推文的形式结合因子分析的Python工具包Alphalens对因子的选择和回测进行实践分析。

    来源:python金融量化

    推荐阅读: | 量化交易  | 期货模拟交易 | python量化交易 | 股票数据  | 量化交易策略 | 机器学习算法  | 多因子选股 |  

                       | 双均线策略 |  网格交易法 |  海龟交易法  |  跨期套利  | 行业轮动  | 指数增强  | 跨品种套利 | 日内交易 |

     

    展开全文
  • 最左边的IF是影响因子的英语因子。请点击必要的杂志查看杂志。要求、审查期间和其他很信息。 这是调查影响论文因素的比较简单的方法。我个人认为应该在同一年采用。影响因素是杂志,不是文章,那一年发表的论文...

    5ce74d63787b7c81fbae2cf9cbe74987.png

    过去的场景在心中回响,过去的笑声在耳边回响,大学去世的时间,宴会即将结束,有多少人不想满足他们的心,有多少人不想成为希望。希望大家能记住未来美好的时光。为了不让大家感到遗憾,今天我们会讨论论文的影响因素。

    高质量文章的引用对论文的发表有重要影响。SCI论文是所有论文中最重要的。了解网络影响因素是评价高品质项目的形式。

    的影响因素越大,产品的含金量越高。特别值得注意的是,影响因素是杂志的影响因素。Sub虽然不表示文章的质量,但可以在杂志上发表。也显示了这篇文章的质量得到了杂志的认可。调查

    影响因素的方法多种多样。本文介绍简单的查询方法。首先,通过HowNet或Baidu的学者检索报道的期刊名。

    百度访问学术网站后,在主页上打开Mess查询系统。请注意这个网站有大写字母和小写字母的区别。输入

    篇文章的名字来调查其影响因素。输入文章名的杂志全部显示。最左边的IF是影响因子的英语因子。请点击必要的杂志查看杂志。要求、审查期间和其他很多信息。

    这是调查影响论文因素的比较简单的方法。我个人认为应该在同一年采用。影响因素是杂志,不是文章,那一年发表的论文必须根据影响前一年的因素来计算。以上介绍了论文的影响因素和编辑的理解。

    希望得到更多的支持。

    展开全文
  • 多因子模型系列报告之一----模型理论随想和纯因子组合构建,多因子模型系列报告之一----模型理论随想和纯因子组合构建
  • 脉冲因子、波形因子、裕度因子、峰值因子、偏度、峭度.m
  • ipcc温室气体排放因子数据库
  • HashMap中负载因子的意义是什么

    千次阅读 2020-05-09 16:41:35
    学习记录 HashMap中负载因子的意义是什么? HashMap具有两个重要属性: size 和 load factor HashMap的实例具有两个影响其性能的参数:初始容量(0.75f)和负载因子(load factor)。 容量是哈希表中存储桶的数量,初始...

    学习记录 HashMap中负载因子的意义是什么?

    HashMap具有两个重要属性:

    sizeload factor

    HashMap的实例具有两个影响其性能的参数:初始容量(0.75f)和负载因子(load factor)。
    容量是哈希表中存储桶的数量,初始容量只是创建哈希表时的容量。
    负载因子是在自动增加其哈希表容量之前允许哈希表获得的满度的度量。
    当哈希表中的条目数超过负载因子和当前容量的乘积时,哈希表将被重新哈希
    (即,内部数据结构将被重建),因此哈希表的存储桶数大约为两倍。
    
    通常,默认负载因子(.75)在时间和空间成本之间提供了一个很好的折中方案。
    较高的值会减少空间开销,但会增加查找成本(在HashMap类的大多数操作中都得到体现,
    包括get和put)。设置映射表的初始容量时,应考虑映射中的预期条目数及其负载因子,
    以最大程度地减少重新哈希操作的数量。如果初始容量大于最大条目数除以负载因子,
    则将不会进行任何哈希操作。
    
    与所有性能优化一样,最好避免过早地进行优化(例如,没有关于瓶颈所在的硬数据)。
    

    HashMap文档:

    1.基于哈希表的Map接口的实现。此实现提供所有可选的映射操作,并允许 空值和空键。(HashMap 类与Hashtable大致等效,不同之处在于它是不同步的,并且允许为null。)此类不保证映射的顺序。特别是,它不能保证顺序会随着时间的推移保持恒定。

    2.假设哈希函数将元素正确分散在存储桶中,则此实现为基本操作(get和put)提供恒定时间的性能。集合视图上的迭代所需的时间与HashMap实例的“容量” (存储桶数)及其大小(键-值映射数)成正比 。因此,如果迭代性能很重要,则不要将初始容量设置得过高(或负载因子过低),这一点非常重要。

    3.HashMap的实例具有两个影响其性能的参数:初始容量和负载因子。的 容量是在哈希表中桶的数量,和初始容量是简单地在创建哈希表中的时间的能力。该 负载系数是的哈希表是如何充分允许获得之前它的容量自动增加的措施。当哈希表中的条目数超过负载因子和当前容量的乘积时,哈希表将被重新哈希(即,内部数据结构将被重建),因此哈希表的存储桶数大约为两倍。

    4.通常,默认负载因子(.75)在时间和空间成本之间提供了一个很好的折衷方案。较高的值会减少空间开销,但会增加查找成本(在HashMap类的大多数操作中都得到体现 ,包括get和put)。设置映射表的初始容量时,应考虑映射中的预期条目数及其负载因子,以最大程度地减少重新哈希操作的数量。如果初始容量大于最大条目数除以负载因子,则将不会进行任何哈希操作。

    5.如果要将许多映射存储在HashMap实例中,则创建具有足够大容量的映射将比使它根据需要增长表的自动重新哈希处理更有效地存储映射。

    6.请注意,此实现未同步。 如果多个线程同时访问哈希映射,并且至少有一个线程在结构上修改该映射,则必须在外部进行同步。(结构修改是添加或删除一个或多个映射的任何操作;仅更改与实例已经包含的键相关联的值不是结构修改。)通常通过在自然封装了地图的某个对象上进行同步来实现。 。如果不存在这样的对象,则应使用Collections.synchronizedMap 方法“包装”地图 。最好在创建时完成此操作,以防止意外不同步地访问Map:
    Map m = Collections.synchronizedMap(new HashMap(…));

    7.由此类的所有“集合视图方法”返回的迭代器都是快速失败的:如果在创建迭代器后的任何时间以任何方式对地图进行结构修改,除非通过迭代器自己的 remove方法,否则迭代器将抛出 ConcurrentModificationException。因此,面对并发修改,迭代器会快速干净地失败,而不会在未来的不确定时间内冒任意,不确定的行为的风险。

    8.请注意,迭代器的快速失败行为无法得到保证,因为通常来说,在存在不同步的并发修改的情况下,不可能做出任何严格的保证。快速失败的迭代器会尽最大努力抛出ConcurrentModificationException。因此,编写依赖于此异常的程序以确保其正确性是错误的:迭代器的快速失败行为应仅用于检测错误。

    什么是HashMap?

    HashMap 是一个用于存储Key-Value 键值对的集合,每一个键值对也叫做Entry。
    这些个Entry 分散存储在一个数组当中,这个数组就是HashMap 的主干。
    HashMap 数组每一个元素的初始值都是Null。

    如图一:
    1

    1. Put 方法的原理
      调用Put方法的时候发生了什么呢?
      比如调用 hashMap.put(“apple”, 0) ,插入一个Key为“apple”的元素。这时候我们需要利用一个哈希函数来确定Entry的插入位置(index):
      index = Hash(“apple”)
      假定最后计算出的index是2,那么结果如下:
      如图二:
      2

    但是,因为HashMap的长度是有限的,当插入的Entry越来越多时,再完美的Hash函数也难免会出现index冲突的情况。比如下面这样:
    如图三:
    在这里插入图片描述

    这时候该怎么办呢?我们可以利用链表来解决。
    HashMap数组的每一个元素不止是一个Entry对象,也是一个链表的头节点。每一个Entry对象通过Next指针指向它的下一个Entry节点。当新来的Entry映射到冲突的数组位置时,只需要插入到对应的链表即可:
    如图四:
    4

    新来的Entry节点插入链表时,使用的是“头插法。

    1. Get方法的原理
      使用Get方法根据Key来查找Value的时候,发生了什么呢?
      首先会把输入的Key做一次Hash映射,得到对应的index:
      index = Hash(“apple”)
      由于刚才所说的Hash冲突,同一个位置有可能匹配到多个Entry,这时候就需要顺着对应链表的头节点,一个一个向下来查找。假设我们要查找的Key是“apple”:
      如图五:
      5

    第一步,我们查看的是头节点Entry6,Entry6的Key是banana,显然不是我们要找的结果。
    第二步,我们查看的是Next节点Entry1,Entry1的Key是apple,正是我们要找的结果。
    之所以把Entry6放在头节点,是因为HashMap的发明者认为,后插入的Entry被查找的可能性更大。

    1. HashMap的初始长度
      初始长度为16,且每次自动扩容或者手动初始化的时候必须是2的幂。
      如何进行位运算呢?有如下的公式(Length是HashMap的长度):
      之前说过,从Key映射到HashMap数组的对应位置,会用到一个Hash函数:
      index = Hash(“apple”)
      如何实现一个尽量均匀分布的Hash函数呢?我们通过利用Key的HashCode值来做某种运算。
      index = HashCode(Key) & (Length - 1)
      下面我们以值为“book”的Key来演示整个过程:

    计算book的hashcode,结果为十进制的3029737,二进制的101110001110101110 1001。
    假定HashMap长度是默认的16,计算Length-1的结果为十进制的15,二进制的1111。
    把以上两个结果做与运算,101110001110101110 1001 & 1111 = 1001,
    十进制是9,所以 index=9。

    可以说,Hash算法最终得到的index结果,完全取决于Key的Hashcode值的最后几位。
    这里的位运算其实是一种快速取模算法。

    HashMap 的size为什么必须是2的幂?。这是因为2的幂用二进制表示时所有位都为1,例如16-1=15 的二进制就是1111B。我们说了Hash算法是为了让hash 的分布变得均匀。其实我们可以把1111看成四个通道,表示跟1111 做&运算后分布是均匀的。假如默认长度取10,二进制表示为1010,这样就相当于有两个通道是关闭的,所以计算出来的索引重复的几率比较大。

    与君共勉

    我要一步一步往上爬
    在最高点乘着叶片往前飞
    任风吹干流过的泪和汗
    我要一步一步往上爬
    等待阳光静静看着它的脸
    小小的天有大大的梦想
    我有属于我的天
    任风吹干流过的泪和汗
    总有一天我有属于我的天
    1

    展开全文
  • 什么是加载因子/负载因子/装载因子

    万次阅读 2019-12-21 20:10:06
    什么是加载因子(负载因子/装载因子)? 用于表示哈希表中元素填满的程度。 冲突的机会越大,则查找的成本越高。反之,查找的成本越低,从而查找的时间越少。 HashMap中的加载因子 ①new HashMap(); 初始容量是16...
  • 多因子策略中的IC、IR是什么,以及如何计算

    万次阅读 多人点赞 2019-09-10 17:02:39
    接触多因子策略,总会看到IC值、IR值,作为某种度量指标。 IC值的定义 IC是***Information Coefficient***的缩写,称为***信息系数***。 IC代表的是预测值和实现值之间的相关性,通常用于评价预测能力(即选股能力...
  • 资源中包含了行列式因子、不变因子、初等因子、smith标准型、Jordan标准型、最小多项式的matlab实现。运行环境为matlab R2017 资源中包含了行列式因子、不变因子、初等因子、smith标准型、Jordan标准型、最小多项式...
  • HashMap的加载因子什么是0.75?

    千次阅读 2020-04-11 15:59:40
    有很东西之前在学的时候没怎么注意,笔者也是在重温HashMap的时候发现有很可以去细究的问题,最终是会回归于数学的,如HashMap的加载因子什么是0.75? 本文主要对以下内容进行介绍: 为什么HashMap需要加载...
  • SPSS因子分析详细解读

    2019-01-15 17:04:30
    因子分析是研究相关矩阵或协方差矩阵的内部依赖关系,它将个变量综合为少数几个因子,以再现原始变量与因子之间的相关关系。 因子分析是主成分分析的推广和发展,也是利用降维方法进行统计分析的一种探索性分析...
  • 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?
  • 量化选股模型—多因子模型

    千次阅读 2019-12-13 10:48:53
    多因子模型是应用最广泛的一种选股模型,基本原理是采用一系列的因子作为选股标准,满足这些因子的股票则被买入,不满足的则卖出。基本概念 举一个简单的例子:如果有一批人参加马拉松,想要知道哪些人会跑到平均...
  • barra风险因子

    2018-07-31 15:28:25
    量化经典模型 相似的资产会有相似的回报,这是多因子模型的基本假设。...通常来说,多因子模型包括了宏观因子模型、基本面因子模型和统计因子模型。这几种模型在分析不同的大类资产风险收益的时候也有不同的效果。
  • HashMap的加载因子什么是 0.75?

    千次阅读 2020-07-13 17:07:13
    加载因子也叫扩容因子或负载因子,用来判断什么时候进行扩容的,假如加载因子是 0.5,HashMap 的初始化容量是 16,那么当 HashMap 中有 16*0.5=8 个元素时,HashMap 就会进行扩容。 那加载因子什么是 0.75 而不是 ...
  • 本文主要是参考华泰多因子系列研报,整理了十一个大类因子因子逻辑,以及大类因子里一些小因子的描述和平台实现方法
  • 多因子策略之冗余因子

    千次阅读 2019-06-26 10:34:10
    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...
  • 多因子模型学习笔记

    千次阅读 2020-12-16 10:28:51
    多因子模型是风险——收益关系的定量表达,因子是不同类型风险的解释变量。 多因子模型是由APT理论发展而来,一般表达式 多因子模型本质是将对N只股票的收益——风险预测转变为对K个因子的收益——风险预测,将估算...
  • FF三因子stata.rar

    2021-01-21 21:06:58
    本帖详细叙述了Fama and French三因子(MKT、SMB、HML)的构建方式,提供了数据以及stata代码。数据来源:国泰安数据库。股票池:沪深A股、创业板、科创板。样本区间:2001年1月至2020年12月。
  • 多因子模型的前世今生

    千次阅读 2019-07-17 17:48:08
    做量化,经常听到多因子模型,豆瓣直接搜索“多因子模型”找不到相关的理论书籍,汇总网络资料,大概搞清楚什么多因子模型,以及多因子模型的理论基础在哪里。 什么多因子定价模型?APT(套利定价理论)、Fama...
  • 基于Barra多因子模型的组合权重优化

    千次阅读 2020-11-30 18:20:46
    本篇文章有别于传统的多因子研究,我们并未将重点放在阿尔法因子的挖掘上,而是通过对股票组合的权重优化计算,找到了在市值中性、行业中性、风格因子中性约束下的最优投资组合,以及验证得到的组合权重是否满足了...
  • 多因子体系构建的步骤可分为三步:风险源分析因子筛选及体系构建模拟实证回测1.风险源分析在因子体系构建前,我们需要对风险源进行分析。风险源的因素分析是因子构架的基础。上市公司面临的总风险包括市场风险、宏观...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 408,904
精华内容 163,561
关键字:

多因子是什么