通过以上的测试，对因子模型的构建得出了以下几个启发： 因子IC表现出的不稳定性，说明静态的因子模型可能效果不会很好； 一阶自回归测试结果说明因子筛选时可以考虑因子动量 许多AR(1)为正，但不显著，...因子模型和组合优化 基于以上发现，我们构建了一个动态多因子模型（Model 1），除此之外还构建了三个用于对比的模型（Model2-Model4）。...下面分别介绍一下这4个模型： Model1 动态多因子模型 模型的整体流程如图10所示，具体说明如下： 1、因子预测能力过滤，考虑到因子动量效应，t-1时刻，在每个因子组内选择一个预测效果最好的因子（基于...其他三个模型定义如下： Model2是一个静态模型。基于训练期（2009-2012）的数据，在每组中选择ICIR绝对值最大的两个因子，组成静态因子模型。因子权重也基于ICIR绝对值计算。...Model4是一个动态因子模型，在每一组中，每个月选取上一期因子IC最大的两个因子。
基于以上的市场特征，并参考Gu（2020），作者主要探讨了机器学习的多因子模型在A股市场上的表现是否能够达到预期效果？哪些因子模型在A股市场上表现更优？...连续变量的因子在模型中以截面的Rank值作为输入。本文使用了以下模型，模型滚动训练，每一年重新训练一次。...基于OLS的增强模型PLS/LASSO/Enet的R方均大于1%，RF/GBRT两个树模型和NN1-NN5五个深度神经网络模型的R方都超过2%，说明模型复杂度的提升带来了预测效果的提升。...表1 的结果表明，模型在小市值股票中的表现更优。 PLS、RF及NN模型在小股东股票的表现更优。...因子重要性 我们一共使用了94个股因子和11个宏观因子，采用以下方法测试因子在模型中的贡献度：将目标因子的值全部设定为0，并计算模型R方的下降程度，以此判断该因子对于模型的重要程度。
本篇推文的目的是利用深度神经网络中的 RNN 的一些基本结果，对多因子模型进行尝试，以检验深度神经网络在多因子、投资领域的适用性，使得投资者能够对神经网络有 更为实践的理解，并能够在投资领域有所运用。...LSTM 的变形 3-GRU 多因子建模 数据结构 多因子模型处理的数据结构是标准的面板数据，包括三个维度:个股、时间、 因子，对应的应变量是 T+1 期的收益率。...应用于 RNN 网络结构中时，与传统的多因子模型有一定的区别: T+1 期的收益率仍然是训练的标签(label)，因子对应的是样本的特征(feature)， 个股对应的是一个样本，但是，时间维度，在 RNN...多因子的 RNN 数据结构 我们先设定具体的参数，再进一步理解 RNN 在多因子训练中的具体过程。...总结 多因子模型的发展趋于成熟，因子的 alpha 收益出现了下降的趋势。如果维持多因子模型的收益是量化领域的一个核心问题。
广告：本人的单因子测试视频教程 https://study.163.com/course/introduction/1005568012.htm
近一个半月疯狂的接触多因子模型，其中对于单个因子的回测，是最熟的。而对于单个因子，或者叫做signal（这一系列文章后续都这么叫），是多因子模型的基础。...其实，多因子模型的第一步就是这么简单。当然，这个因子是最简单的一个因子了，别的因子会用到别的数据，无论如何，核心的一步就是，千方百计计算好你的因子值，然后存下来。
我们之所以要先讲述组合构建和优化器，是因为，接下来我们将进行最最具有艺术的两个部分，就是我们前面提到的收益率预测模型和股票直接协方差矩阵，也就是风险模型。
根据多因子模型，或者说alpha策略的开发顺序，我们应当是按照：因子--》alpha 模型--》风险模型--》组合构建 这样几个模块来的。...组合构建是在你有了alpha模型和风险模型之后，也就是说，你现在可以预测股票的收益和股票的风险了。那么我们怎么构建组合呢？...大概有这么几种方法： a.根据alpha模型，选择前面N个预测收益高的股票，然后权重都是1/N； b.市值加权，当然也可以市值平方根或者市值对数加权，都属于这一类； ...好了，数据都有了，我们可以把上面这一分析扔到一开始的二次规划的模型里面了。 那么，首先，我们的约束有两个: ? 然后我们的目标函数，也就是风险是： ?
多目标多因子算法和多因子算法的区别 “参考文献 [1]GUPTA A, ONG Y-S, FENG L, et.al....Gupta等[1]于2017年首次将多任务优化运用到解决多目标问题中，并在MFEA的基础上进行了拓展提出了一种多目标多因子进化算法（MOMFEA）。
LSTM 选股模型 当需预测信息和相关信息距离较远时，原始 RNN 结构的传输的效率并不让人满意。...因子数：由于放入神经网络中训练，我们在期初并不评价因子的有效性，同时 也不对因子进行合并，全部输入模型之中。...在此我们略去 ACT模型的严格的数学定义，通过对A股市场多因子模型的应用，我们直接观察ACT的RNN网络选股效果，并与传统的RNN(LSTM)网络多因子选股模型进行对比。...ACT-RNN 多因子选股模型模型参数 回测时间：2007 年 5 月 1 日-2016 年 4 月 30 日，该时间区间下月度数据训练样本数超过 18w(每一个股票每一个月底代表一个样本)。...从本次的对照来看，在多因子选股上，我们能够观察到速度的提高，从 LSTM 在7000 次迭代时的收敛提高到 ACT 的 5000 次以下的收敛。
模型推导 假设有p个原始的变量$x_i（i=1,2,…p）$，它们之间可能独立也可能相关。...将$x_i$标准化后得到新的变量$z_i$，我们可以建立如下的因子分析模型： $$z{i}=a{i 1} F{1}+a{i 2} F{2}+\cdots+a{i m} F{m}+c{i} U_{i}...j}\right){p \times m}, \quad C=\operatorname{diag}\left(c{1}, c{2}, \cdots, c_{p}\right)$$ 我们通常需要对上述模型的进行假设...2},i=1,2,3…p$） 5、第i个变量的方差分解为：$\operatorname{Var} z{i}=h{i}^{2}+\sigma_{i}^{2}, i=1,2, \cdots, p$ 具体的模型推导过程...Analysis：https://www.datasklr.com/principal-component-analysis-and-factor-analysis/factor-analysis 2、多因子分析
Microsoft账号并管理其他网站的二次验证码，支持从Edge浏览器中同步密码并可以在 iPhone与Android设备上自动填充密码 MFA认证 MFA(Multi-Factor Authentication，多因子认证...要求用户在登录或进行敏感操作时提供多个独立的身份验证因素，MFA与双因子认证类似，MFA引入了额外的因素来增加账户的安全性，双因子认证也算是广义上的MFA认证方式，MFA在双因子的认证基础之上还需要进行进一步的强化，引入新的认证因子 文末小结 多因子认证
所以，很多因子数值在一个行业内比较才是有效的。同样的思路，有些因子虽然看起来不是一些基本的风格因子，比如PE，但是，其实我们知道，PE和市值有很大的关系，大市值的公司，一般是成熟的公司，PE往往不高。
以新的角度研究多因子模型。希望给大家在学习和工作中带来帮助。（论文文末下载） 摘要 线性多因子模型是股票投资组合管理中最重要的工具之一。线性多因子模型由于易于解释而被广泛使用。...具体地说，我们将线性多因子模型扩展为非线性和时变的LSTM模型。然后，我们用LRP对学习到的LSTM模型进行近似和线性化。我们称这种LSTM+LRP模型为深度递归因子模型。...部分解读 具体模型推导见文末 虽然线性多因子模型是股票投资组合管理的有效工具，但线性关联的假设是相当严格的。...传统的线性多因子模型的因子收益是对投资领域计算的，而LRP线性化的因子收益是对投资领域中的每只股票进行计算的。我们可以将各因子的非线性和时间依赖性建模为收益模型，并将影响预测的因子确定为风险模型。...因此，与线性模型相比，我们可以确定哪些因子对风险模型的预测有贡献，如下图所示。 ? 因子对线性模型、深度因子和深递归因子模型预测的贡献 总结 我们提出了一种基于LSTM+LRP的非线性时变多因子模型。
把因子值都做标准化后，是为了以后很多因子可以相互combine。如果不做标准化，量纲就不一样，组合在一起就不会有什么意义。
高频多因子存储有哪些挑战？...因子数据在实际存储时通常会有宽表和单值模型两种选择。...单值模型一般有4列：时间戳、股票代码、因子编号以及因子值，如下图所示；单值模型的数据在需要面板数据的场景，需要将数据转换成面板模式。...当前窄表模型的分区方案在删除指定因子时耗时在秒级 , TSDB 引擎下的宽表模式目前不支持删除因子列。...综合考虑，在高频多因子的场景下，合理设计存储方案的单值模式是最好的解决方案。
昨天我们给大家推送了如何用Origin做多因子组箱线图，那么今天我们来看看GraphPad如何绘制多因子图。 软件 GraphPad Prism 8 ?
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
云直播
实时音视频
