-
因子构建流程与效果如何？
- 提问时间：2025/11/19
- 浏览量：66
- 提问者：匿名用户
[1个回答]整体流程可概括为以下四个关键步骤：1.因子构建流程步骤1：结合LLM与人工标注高质量数据集LLM在标注数据集的任务中类似一个实习生，效率很高，可以快速写出初稿，但可能存在细节错误、逻辑不严谨或事实性偏差（即“幻觉”），需要进行有效引导和人工复核。提示工程是引导的一种方式，它的目标不是消除幻觉，而是尽可能减少LLM“自由发挥”的空间，将其引导至期望的输出格式和逻辑上。我们可以通过提供明确指令、定义输出、提供少样本示例、提供链式思考逻辑等引导LLM进行初步标注。“生成-抽样-分析-优化提示”的过程需要经过多轮迭代才能有效修正L...
标签： 因子 -
连续性与离散化因子构建方式介绍
- 提问时间：2025/05/26
- 浏览量：97
- 提问者：匿名用户
[1个回答]在逐笔数据层面进行离散化信息提取、构建因子的逻辑，与分钟层面类似，仍然是先识别量价数据发生异常的事件点，再用事件点附近的数据参与因子计算。1.连续性的因子构建方式日频数据+连续性构建本文以量价因子中常见的“量价相关性类因子”为例，先用日频行情数据，构建一个量价相关性因子簇，作为后续因子的比较基准。特别说明，由于日频行情序列的数据点较少，若再进行离散化提取，则计算两个序列相关系数的误差较大，因此对于日频数据，本文不构建离散化的量价相关性因子，只构建连续性因子。本小节构建量价相关性类因子的步骤如下：（1）设计日度量价指标：日度量价数据，可从wind数据库中直接提取，本文用到...
标签： 因子 -
不同牛市阶段下因子表现分析
- 提问时间：2024/10/25
- 浏览量：55
- 提问者：匿名用户
[1个回答]不同牛市阶段下因子表现分析
标签： 因子 -
纯量价与基本面因子结合方式有哪些？
- 提问时间：2024/09/05
- 浏览量：154
- 提问者：匿名用户
[1个回答]基于全连接神经网络，以预测未来5个交易日收益率为例，尝试以下4种较为基础的方式： 1、线性方式——等权结合原始5日量价合成因子RankIC为12.39%，5日基本面因子合成因子RankIC为7.32%，可见量价合成因子的历史选股效果大幅优于基本面合成因子。若截面ZSCORE等权结合神经网络输出的量价合成因子与基本面合成因子，得到的等权因子RankIC为11.64%，年化多头超额为21.37%，年化多空超为104.91%，各个评价维度皆低于原始量价合成因子。2、线性方式——ICIR加权等权因子效果较差的主要原因在于量价因子RankIC明显...
标签： 因子 -
如何理解因子的含义？
- 提问时间：2024/04/22
- 浏览量：351
- 提问者：匿名用户
[1个回答]为了方便理解因子含义，将因子分为以下几类：振幅、标准差、高阶矩、成交占比、流动性、动量、量价相关性、极值位置。1.振幅振幅类因子一的核心在于计算不同交易频率下，以及在各个特定时点上的最高价与最低价之间的比值。经过比较分析，我们可以明显观察到日内振幅与未来收益之间存在一种显著的负向相关性。在一天的不同时间段中，上午时段测得的因子有效性显著优于下午时段，而在开盘与收盘时段得出的因子效力亦明显优于午间时段。值得特别指出的是，随着频率的逐步降低，即时间间隔的增加，因子的信息系数（IC）绝对值呈逐渐增长之势。当频率降至240分钟，即转换为日频时，因子的信息系数（IC）绝对值达到其最大值，数值为-0.07...
标签： 因子 -
如何计算分析师预测相关的行业因子？
- 提问时间：2023/01/29
- 浏览量：416
- 提问者：匿名用户
[1个回答]可以使用加权法、简单整体法两种方法。加权法是先计算行业内成分股的相应因子，最后将通过自由流通市值加权的平均值作为行业因子。这种方式主要适用于公司分析师预测等数据。这类数据的特点是在个股上覆盖度不高、而且数据发布时间也不一致，时间上很难对齐，不太适合使用整体法。对于因子存在缺失的股票，使用行业中位数进行填充。采用加权方式的优点是，可以实现每天计算行业因子，保证了数据使用的及时性；缺点是牺牲了数据的一致性。简单整体法是把成分股的分析师预测数据（过去N日平均值）做加总得到行业的预测数据，并且只做成分股名单对齐、不做财报报告期的对齐。隐含假设是只用行业内有分析师覆盖的成分股汇总数据作为整个行业数据的代...
标签： 因子 -
各类因子绩效有怎样的表现？
- 提问时间：2023/01/29
- 浏览量：298
- 提问者：匿名用户
[1个回答]下面将详细展示各类因子的IC和多空表现。1.周度未归一化因子绩效表现周度未归一化跳跃波动因子的因子覆盖度为86.56%，所有因子均表现出负IC的特征，其中综合表现最优的因子是SRJV_week：IC均值-8.76%、年化ICIR-8.91、周度IC胜率近90%、t值-31.33，多空年化录得45.97%、多空夏普4.4，周均双边换手为1.63。此外，还有3个因子表现亦十分优异，IC与多空业绩与SRJV_week接近，分别是RJVP_week、RLJVP_week和SRLJV_week因子，多空收益均在40%上下。2.周度归一化因子绩效表现相比未归一化因子，归一化后只有RRJVN_week和RR...
标签： 因子 -
各类因子分档表现如何？
- 提问时间：2023/01/29
- 浏览量：270
- 提问者：匿名用户
[1个回答]以下按照是否归一化及调仓频率进行分类，分别展示周度未归一化因子、周度归一化因子、月度未归一化因子、月度归一化因子的分档表现。1.周度未归一化因子分档表现对于周度未归一化因子，可以发现有6个因子的分档表现单调性较好，分别是RJV_week、RJVP_week、SRJV_week、RLJV_week、RLJVP_week、SRLJV_week。2.周度归一化因子分档表现对于周度归一化因子，7个因子的分档表现单调性较好，分别是RRJVP_week、RSRJV_week、RRLJV_week、RRLJVP_week、RSRLJV_week、RRJVN_week、RRLJVN_week，其中前5个因子对...
标签： 因子 -
各风格因子表现如何？
- 提问时间：2022/09/02
- 浏览量：551
- 提问者：匿名用户
[1个回答]你好，在《量化投资-因子表现与模型解释力度分析：CNE7经典版多因子模型》中，详细介绍了风格因子表现，如果想要查看更多内容，请下载原报告。1.波动率因子：Beta与残余波动率2016年以前，CNE7与CNE5模型的Beta因子表现较为一致，均从接近0%收益率逐渐攀升至90%左右。2016年熊市环境下，Beta因子表现经历短期上下震荡后。自2017年起，Beta因子历史累计收益率始终为正且持续上升，但CNE7与CNE5模型在该因子表现上出现分化，相同Beta因子暴露度下CNE7模型获得的因子收益更高。截至最新，CNE7Beta因子累计收益率高达211%，而CNE5Beta因子累计收益率仅为170...
标签： 因子 -
股票模型CNE7经典版针对中国A股市场的因子分类
- 提问时间：2022/09/02
- 浏览量：122
- 提问者：匿名用户
[1个回答]这个我知道，答案都来自报告《量化投资-因子表现与模型解释力度分析：CNE7经典版多因子模型》，如果有兴趣了解更多相关的内容，请下载原报告阅读。股票模型CNE7经典版针对中国A股市场，将因子分为三大类：风格因子风格因子包含10大类基本面因子，依次为贝塔、残余波动率、规模、中盘股、EarningsYield、BooktoPrice、动量、杠杆率、流动性以及成长。其中，部分大类因子表示为若干个子指标的加权组合，从而在尽可能丰富大类因子信息量的同时解决子类因子可能具有的共线性问题。具体风格因子构建可参考附录计算公式。行业因子除风格因子外，行业因子能够为股票价格的变化提供丰富的增量信息。特别是在国内股票...
标签： 股票 因子
快速提问
海量报告支持，行业专家解读
海量文库支持，行业专家解答
-
1
沃巴查芒
68次解答 -
2
每日新报
61次解答 -
3
StartYourFinance
57次解答 -
4
999感冒灵
55次解答 -
5
王中王
1次解答
