解環(huán)宇-量化投資與統(tǒng)計(jì)學(xué)習(xí)

淺談多因子選股模型與機(jī)器學(xué)習(xí)算法2017風(fēng)險(xiǎn)模型01投資組合管理方式主動(dòng)管理被動(dòng)管理投資組合管理定性管理定量管理定性管理依賴于投資經(jīng)理對(duì)于市場(chǎng)和個(gè)股的定性判斷定量管理根據(jù)能夠得到的公開數(shù)據(jù)，基于數(shù)學(xué)和統(tǒng)計(jì)的方法，建立統(tǒng)一的定量模型對(duì)股票進(jìn)行區(qū)分并依此進(jìn)行投資決策多因子模型來源多因子模型由APT套利定價(jià)模型——ArbitragePricingTheory發(fā)展而來，定量刻畫了股票預(yù)期收益率與股票在每個(gè)因子上的因子載荷與因子收益率之間的線性關(guān)系。一般表達(dá)式為：

組合的收益投資組合P的收益可以分解為m個(gè)因子收益的線性組合如果對(duì)模型中某因子暴露度為1，對(duì)其他風(fēng)險(xiǎn)因子暴露度為0，則稱該組合為這個(gè)因子的純因子組合。假設(shè)因子m對(duì)應(yīng)的純因子組合的權(quán)重為，該組合對(duì)各個(gè)因子的暴露為,純因子組合的收益為對(duì)于充分分散的組合，因子收益就是因子m對(duì)應(yīng)的純因子組合的收益。這是將稱作是“收益”的原因。純因子組合的線性組合——風(fēng)險(xiǎn)與收益的匹配純因子組合的線性組合可以構(gòu)造出對(duì)每個(gè)因子具有指定暴露度的組合。希望構(gòu)建一個(gè)組合，使組合對(duì)規(guī)模因子（size）暴露為0，對(duì)E/P因子暴露為0，其他因子無要求，則可先由兩因素模型解出純因子組合的個(gè)股權(quán)重和，滿足要求的投資組合權(quán)重為：0.3純因子組合可將各種風(fēng)險(xiǎn)收益精確的切割開來，求解出純因子組合中的個(gè)股權(quán)重，就能精確控制組合對(duì)因子的暴露度，使組合只對(duì)希望暴露的風(fēng)險(xiǎn)因子暴露，從而讓風(fēng)險(xiǎn)和收益匹配。因子暴露度因子暴露度是通過將因子值正態(tài)標(biāo)準(zhǔn)化得到:這樣的標(biāo)準(zhǔn)化方式可以使以流通市值為權(quán)重的投資組合（基準(zhǔn)組合）對(duì)所有風(fēng)格因子0暴露，非零的因子暴露度就是投資組合偏離了基準(zhǔn)組合多少倍標(biāo)準(zhǔn)差?；鶞?zhǔn)組合的收益就是截距項(xiàng)，因?yàn)榛鶞?zhǔn)組合的收益為：風(fēng)險(xiǎn)模型的作用歷史回測(cè)和數(shù)據(jù)挖掘

事后分解和評(píng)價(jià)取得的收益

歷史回測(cè)和數(shù)據(jù)挖掘

歷史回測(cè)和數(shù)據(jù)挖掘

通過對(duì)純因子組合的收益考找到合適的因子

NO降維:從對(duì)個(gè)股的預(yù)測(cè)減小到對(duì)因子的預(yù)測(cè)

對(duì)純因子組合的收益考察找到合適的因子

風(fēng)險(xiǎn)模型能預(yù)測(cè)未來的股票收益嗎？風(fēng)險(xiǎn)模型的功能多因子模型風(fēng)險(xiǎn)分解估值因子ValueFactor成長(zhǎng)因子GrowthFactor財(cái)務(wù)質(zhì)量因子FinancialQualityFactor杠桿因子LeverageFactor規(guī)模因子SizeFactor動(dòng)量因子MomentumFactor波動(dòng)率因子VolatilityFactor換手率因子TurnoverFactor技術(shù)因子TechnicalFactor改進(jìn)的動(dòng)量因子ModifiedMomentumFactor分析師情緒因子SentimentFactor股東因子ShareholderFactor市場(chǎng)風(fēng)險(xiǎn)風(fēng)格風(fēng)險(xiǎn)整體風(fēng)險(xiǎn)行業(yè)風(fēng)險(xiǎn)1.數(shù)

據(jù)數(shù)據(jù)清洗數(shù)據(jù)挖掘模式識(shí)別4.交易執(zhí)行模型組合、應(yīng)用評(píng)測(cè)標(biāo)準(zhǔn)：年化收益、夏普率、收益風(fēng)險(xiǎn)比組合模型：收益提高、回撤減小、績(jī)效曲線平滑策略開發(fā)交易全流程CTA模型擇時(shí)模型資金管理模型成本控制模型風(fēng)險(xiǎn)計(jì)算模型下單執(zhí)行模型1.理論2.策略模型阿爾法模型3.組合盤模型量化評(píng)測(cè)體系+資金管理組合回測(cè)

驗(yàn)證反復(fù)修改結(jié)合實(shí)戰(zhàn)統(tǒng)計(jì)學(xué)習(xí)算法02機(jī)器學(xué)習(xí)算法分類回歸線性回歸嶺回歸Lasso回歸支持向量機(jī)決策樹隨機(jī)森林梯度樹提升神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)分類邏輯回歸線性判別分析二次判別分析支持向量機(jī)決策樹隨機(jī)森林神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)K最近鄰算法降維偏最小二乘法監(jiān)督學(xué)習(xí)聚類K均值聚類分層聚類譜聚類流形學(xué)習(xí)降維主成分分析多維尺度分析獨(dú)立成分分析流形學(xué)習(xí)無監(jiān)督學(xué)習(xí)Lasso回歸線性回歸使用最小二乘法得到系數(shù)w，但最小二乘法不對(duì)模型系數(shù)w作任何的先驗(yàn)假定。事實(shí)上，w不可能取極大的正數(shù)或極小的負(fù)數(shù)；并且，在特征較多的情形下，很可能只有少數(shù)的幾個(gè)特征具有預(yù)測(cè)效力。因此引入正則化（regularization）的重要思想，在最小二乘法損失函數(shù)的后面加入懲罰項(xiàng)Rpackage:glmnet當(dāng)懲罰項(xiàng)為系數(shù)w的絕對(duì)值之和時(shí)，這種回歸方法稱為L(zhǎng)asso回歸（又稱為L(zhǎng)1正則化），損失函數(shù)為：決策樹決策樹是一個(gè)預(yù)測(cè)模型，代表的是對(duì)象屬性與對(duì)象值之間的一種映射關(guān)系。樹中每個(gè)節(jié)點(diǎn)包含一個(gè)規(guī)則，根據(jù)規(guī)則來進(jìn)行分裂，使得節(jié)點(diǎn)分裂后的信息增益最大。樹的各分支互相排斥，并覆蓋整個(gè)空間。葉子節(jié)點(diǎn)是最終分類結(jié)果。決策樹提升梯度提升決策樹是將弱分類器以串行的方式組合以原始數(shù)據(jù)為訓(xùn)練集，訓(xùn)練一個(gè)弱分類器C1，對(duì)于分類錯(cuò)誤的樣本，提高權(quán)重。以更新樣本權(quán)值后的數(shù)據(jù)為訓(xùn)練集，再次訓(xùn)練一個(gè)弱分類器C2，隨后重復(fù)上述過程。每次自適應(yīng)地改變樣本權(quán)重將全部弱分類器按一定權(quán)值進(jìn)行組合得到強(qiáng)分類器，錯(cuò)誤率越低的弱分類器所占權(quán)重越高Rpackage:xgboost公司介紹專注于量化對(duì)沖投資領(lǐng)域的投資管理公司；具有中國(guó)證券基金業(yè)協(xié)會(huì)批準(zhǔn)的私募證券投資基金管理人資格（編號(hào)：P1004150）；投資范圍涵蓋股票、債券、期貨（股指期貨和商品期貨）、期權(quán)等；公司擁有經(jīng)驗(yàn)豐富的金融產(chǎn)品管理團(tuán)隊(duì)，核心成員均有著資深的國(guó)內(nèi)外資產(chǎn)管理和量