一、Alpha 和 Beta
alpha难得，想获得alpha就需要通过多因子策略等方法，来获得！
二、多因子策略 理论介绍
2.1 什么是多因子策略
特征：因子
目标值：股票收益（需要计算）
2.2 多因子(Alpha因子)的种类
按照因子分析角度：
按照因子来源的角度：
2.3 多因子策略的优势
三、必背模型
3.1 单因子模型 - 系统风险因子：资产定价模型 CAPM
这个模型只关注了β因子，收益只跟着市场走
3.2 多因子模型 - 套利定价理论（APT模型）
只是理论！！没有实际结果！！
3.3 FF三因子模型
这“三因子”指的是三类因子，每类因子还包括多了小因子，需要自己去挖掘。
3.4 FF五因子模型
四、数据挖掘怎么做？
最重要的一环就是数据挖掘，构建策略反而没那么难...
五、多因子策略流程
5.1 流程图
重点在 因子的处理和探索
5.2 多因子策略确定的事情
5.3 因子挖掘怎么做？- RiceQuant的研究平台
5.4 研究平台的函数
get_price - 获取合约历史数据
示例：
注意这里只能显示二维的结构。一旦第二个例子把“fields='close'”删去，二维就塞不下了，会返回pandas Panel结构
查看某个数据的类型：
get_trading_dates - 获取交易日列表
get_fundamentals - 查询财务数据
六、面板/截面/序列数据
6.1 面板数据(DataPanel) vs 截面数据(DataFrame) vs 序列数据
面板数据 DataPanel，由 截面数据 和 序列数据 组成：
截面数据DataFrame ：
序列数据：
将面板数据 转换为 截面数据：
七、因子数据处理 - 去极值
7.1 什么是因子去极值处理
7.2 去极值的三种方法
7.3 去极值 - 分位数去极值
中位数：
四分位数：
百分位数：
分位数去极值 原理
分位数去极值 API
举例：limits = 0.25, 那么所有处于0.25 quantile左边的都会被重置为0.25 quantile的值，所有处于1-0.25 = 0.75 右边的都会被重置为0.75 quantile
（这里的limits理解可能有误，需要double check）
示例
自定义分位数去极值
np是numpy包
7.4 去极值 - 中位数绝对偏差去极值
7.5 去极值 - 正态分布去极值
标签：策略,0.25,模型,因子,量化,多因子,数据,极值 来源： https://www.cnblogs.com/frankcui/p/16181294.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。