展开

关键词

alphalens

相关内容

云服务器

云服务器

腾讯云服务器(CVM)为您提供安全可靠的弹性云计算服务。只需几分钟,您就可以在云端获取和启用云服务器,并实时扩展或缩减云计算资源。云服务器 支持按实际使用的资源计费,可以为您节约计算成本。
  • alphalens教程3--Information Analysis

    ic = alphalens.performance.fiactor_nformation_coefficient(factor_data)?       def plot_ic_ts(ic, ax=None): alphalens.plotting.plot_ic_ts(ic) ?def plot_ic_qq(ic, theoretical_dist=stats.norm, ax=None): alphalens.plotting.plot_ic_qq(ic) ?alphalens.plotting.plot_monthly_ic_heatmap(mean_monthly_ic) ?和return analysis一样,也有一个所以一起生成的语句: alphalens.tears.create_information_tear_sheet(factor_data)
    来自:
    浏览:757
  • alphalens教程4--Turnover Analysis

    quantile_turnover = pd.concat([alphalens.performance.quantile_turnover(quantile_factor, q, turnover_periodalphalens.plotting.plot_top_bottom_quantile_turnover(quantile_turnover, turnover_period) ?       factor_autocorrelation = alphalens.performance.factor_rank_autocorrelation(factor_data, period=1) ?alphalens.plotting.plot_factor_rank_auto_correlation(factor_autocorrelation) ?当然,同样的,也有一个整个的函数。alphalens.tears.create_turnover_tear_sheet(factor_data)
    来自:
    浏览:521
  • 广告
    关闭

    云+社区杂货摊第四季上线啦~

    攒云+值,TOP 100 必得云+社区定制视频礼盒

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到
  • alphalens教程2--基于return的因子分析

            上次,我们利用get_clean_factor_and_forward_returns这个函数,可以获得alphalens能够接受的一种factor数据,接下来,我们就是利用这个函数返回给我们的数据去进行因子的分析上面的按日期算均值的mean_ret有一个美丽的用法,就是结合alphalens.plotting.plot_quantile_returns_violin绘制提琴图。alphalens.plotting.plot_cumulative_returns(ls_factor_returns) alphalens.plotting.plot_cumulative_returns7.整个函数以上所有图片,我们可以用以下两句话来解决,这是alphalens里面常有的特性。alphalens.tears.create_returns_tear_sheet(factor_data) plt.show()
    来自:
    浏览:1749
  • alphalens教程1--整理好你的数据

    alphalens是quantopian下的三大quant利器这里,剩下两个是大名鼎鼎的zipline和pyfolio。alphalens是用于因子回测的,使用很方便,但是,最大的一个特点就是,函数的名称真是长啊!安装就不说了,似乎pip就可以了。万事开头难,中间也难,结尾更难。很多事确实是这样。alphalens第一个难点就是把要测试的因子相关的数据整理成alphalens需要的那样。我们从alphalens的一个数据标准化函数说起。alphalens.get_clean_factor_and_forward_returns函数定义如下:def get_clean_factor_and_forward_returns(factor,
    来自:
    浏览:2095
  • 多因子模型之因子(信号)测试平台----alphalens(一)

    对于单因子测试,quantopian有一个很好的开源的python工具,就是alphalens,当然,如果我们想做一个让自己满意的单因子回测平台的话,必然是需要对原生的alphalens做一些修改的。       这一部分,我们先将我们的数据处理成alphalens可以接受的数据格式,然后做一个简单的测试,看看一切是否都正常。1.数据处理        如果我们想使用alphalens,那么就要遵守alphalens的规矩。而alphalens的规矩,就是我们传入的数据要符合alphalens的要求。( factor_df, price_df, quantiles=5, groupby=ind_dict ) # 利用alphalens自带的工具,生成alphalens可以接受的数据。       具体,每一个部分,factor_df,price_df的具体结构是怎么样的,可以查看之前笔者关于alphalens的教程。
    来自:
    浏览:703
  • 多因子模型之因子(信号)测试平台----alphalens(二)

    而alphalens也正是围绕着这个展开的。        今天我们先来分析一下return这一部分,alphalens给我们提供了哪些视角,以及含义是什么。       在notebook里面,我们只需要运行下面这一句,alphalens就会把所有的关于return的分析展示出来:alphalens.tears.create_returns_tear_sheet(factor_data具体怎么计算,后续如果分析源码的话,可以接触到,比较alphalens只是一个工具,首先要会使用,然后想着改进提高。毕竟学习的过程就是守、破、离。注意的是,这里并不是一个zero-investment的组合(看alphalens的说明,是这样的)。而事实上,zero-investment的组合也是一个很重要的指标,后期精益alphalens的时候,我们可以自己增加。?       
    来自:
    浏览:664
  • 多因子模型之因子(信号)测试平台----alphalens(三)

    广告:本人的单因子测试视频教程 https:study.163.comcourseintroduction1005568012.htm 今天,我们讲alphalens下一个重要的因子测试的输出部分,InformationInformation Analysis中,alphalens提供给我们的信息大概就是这些,但是其实由于Information真的很重要,所以我们往往会自己加一些别的图来观察signal是否足够优秀,譬如
    来自:
    浏览:450
  • pyfolio教程1--第一个pyfolio demo

            相比于alphalens,pyfolio使用起来要简单很多。安装与alphalens一样,直接pip就可以了。
    来自:
    浏览:930
  • GPU 云服务器

    腾讯GPU 云服务器是提供 GPU 算力的弹性计算服务,具有超强的并行计算能力,作为 IaaS 层的尖兵利器,服务于深度学习训练、科学计算、图形图像处理、视频编解码等场景……
    来自:
  • FPGA 云服务器

    腾讯FPGA云服务器是基于FPGA硬件可编程加速的弹性计算服务,您只需几分钟就可以获取并部署您的FPGA实例。结合IP市场提供的图片,视频,基因等相关领域的计算解决方案,提供无与伦比的计算加速能力……
    来自:
  • 专用宿主机

    专用宿主机(CDH)提供用户独享的物理服务器资源,满足您资源独享、资源物理隔离、安全、合规需求。专用宿主机搭载了腾讯云虚拟化系统,购买之后,您可在其上灵活创建、管理多个自定义规格的云服务器实例,自主规划物理资源的使用。
    来自:
  • 黑石物理服务器2.0

    腾讯黑石物理服务器2.0(CPM)是一种包年包月的裸金属云服务,为您提供云端独享的高性能、无虚拟化的、安全隔离的物理服务器集群。使用该服务,您只需根据业务特性弹性伸缩物理服务器数量,获取物理服务器的时间将被缩短至分钟级。
    来自:
  • 容器服务

    腾讯云容器服务(Tencent Kubernetes Engine ,TKE)基于原生kubernetes提供以容器为核心的、高度可扩展的高性能容器管理服务。腾讯云容器服务完全兼容原生 kubernetes API ,扩展了腾讯云的云硬盘、负载均衡等 kubernetes 插件,为容器化的应用提供高效部署、资源调度、服务发现和动态伸缩等一系列完整功能,解决用户开发、测试及运维过程的环境一致性问题,提高了大规模容器集群管理的便捷性,帮助用户降低成本,提高效率。容器服务提供免费使用,涉及的其他云产品另外单独计费。
    来自:
  • 弹性伸缩

    腾讯弹性伸缩(AS)为您提供高效管理计算资源的策略。您可设定时间周期性地执行管理策略或创建实时监控策略,来管理 CVM 实例数量,并完成对实例的环境部署,保证业务平稳顺利运行。弹性伸缩策略不仅能够让需求稳定规律的应用程序实现自动化管理,同时告别业务突增或CC攻击等带来的烦恼,对于每天、每周、每月使用量不停波动的应用程序还能够根据业务负载分钟级扩展。
    来自:
  • 云函数

    云函数(Serverless Cloud Function,SCF)是腾讯云为企业和开发者们提供的无服务器执行环境,帮助您在无需购买和管理服务器的情况下运行代码。您只需使用平台支持的语言编写核心代码并设置代码运行的条件,即可在腾讯云基础设施上弹性、安全地运行代码。SCF 是实时文件处理和数据处理等场景下理想的计算平台。
    来自:
  • 批量计算

    批量计算(Batch)是为有大数据计算业务的企业、科研单位等提供高性价比且易用的计算服务。批量计算可以根据用户提供的批处理规模,智能地管理作业和调动所其需的最佳资源……
    来自:
  • 消息队列 CMQ

    腾讯云消息队列(CMQ)是一种分布式消息队列服务,它能够提供可靠的基于消息的异步通信机制,能够将分布式部署的不同应用(或同一应用的不同组件)之间的收发消息,存储在可靠有效的 CMQ 队列中,防止消息丢失。CMQ 支持多进程同时读写,收发互不干扰,无需各应用或组件始终处于运行状态。
    来自:
  • 消息队列 CKafka

    CKafka(Cloud Kafka)是一个分布式的、高吞吐量、高可扩展性的消息系统,100%兼容开源 Kafka API(0.9版本)。Ckafka 基于发布/订阅模式,通过消息解耦,使生产者和消费者异步交互,无需彼此等待。Ckafka 具有数据压缩、同时支持离线和实时数据处理等优点,适用于日志压缩收集、监控数据聚合等场景。
    来自:
  • API 网关

    腾讯云 API 网关(API Gateway)是腾讯云推出的一种 API 托管服务,能提供 API 的完整生命周期管理,包括创建、维护、发布、运行、下线等。您可使用 API 网关封装自身业务,将您的数据、业务逻辑或功能安全可靠的开放出来,用以实现自身系统集成、以及与合作伙伴的业务连接。
    来自:

扫码关注云+社区

领取腾讯云代金券