精华帖分享 | 因子构建思考1

news2024/11/27 21:48:19

本文来源于量化小论坛股票量化板块精华帖,作者为z-coffee。

以下为精华帖正文:

一段时间没写帖子,其实一直在研究策略,只是从不同的角度去思考而已。熟悉我的老板其实清楚,我的炉子水平一般,基本不太依托炉子去合成因子【主要是马力菜,技能点没点这块】,但对我来说,其实一直没有太缺因子,更多的时候,只要凑齐基础的数据,因子也就一连串的生成,归根到底,对我来说,这些并不是什么特别的秘密,这一篇不会有太多的代码,更多是个人的思考,这个帖子更多从一个构建的思路去整理这个帖子。

对于因子来说,基本离不开基础数据的支撑,没有基础数据的因子,基本不存在。。但很多时候,我觉得,基础数据就是一个挺好的因子库,最直接的原因是基础数据基本都有其金融数据作为背后的逻辑支撑,很好解释一些常识及行为。

以股东户数数据为例:

添加图片注释,不超过 140 字(可选)

字段中有以上的基础信息,总的来说,这个数据是解释一个股票的户数有多少个,啥时候公告的,相对之前状态的变化,至于户均市值【这个需要吐槽一下,其实是冗余字段,还不如合成后直接写公式相除。但这次有了总的来说,是好的,省的去到处找总股本的数据。】

稍微发散一下,股东户数的增减,可以推导出股东户数增减比例,更直观解释下降的幅度,户均持股数可以推导出持有者的集中程度,户均市值可以推导出持有者的资金水平。

更进一步的,以户均市值来思考,如果叠加一个对总市值的中性化处理,得到的就是持有者的集中程度,和户均持股数就可以形成一个相互印证。

从状态去思考,户数变动不一定是单次就完成,到底分多少次会集中有效?公告日期间的涨跌幅的变动和股东户数下降的幅度的相关系数?

在这样的过程中,其实不断的带着问题去构建因子,就可以衍生出非常多有趣的因子。

归结思考,基于基础数据去构造因子,这里有个思维范式:

1、描述特征的因子,可以尝试挖掘状态变化的情况。

2、描述间歇的因子,可以尝试挖掘标的特征变动和变动的关系。

另一个扩展因子的思路,这是之前线下会中其实也提出过的,常见的量价因子,RPS/RSI/BOLL,这些指标,经典的指标中,直接用,有时候会面临失效的情况,其实可以尝试将其中纯用价描述的指标,用成交量,成交额等常见的股票基础要素去平替,比如Rps,就是描述涨跌幅相对全市场的排序,将其中的涨跌幅置换成区间累计成交量,是没有任何毛病,可以继续用的。

反之亦然,纯用量的因子也可以用价去替代。这里就不赘述。

看到这里,各位看官应该理解我为什么不太缺因子的原因了吧,太多的因子可以替代生成,挖是挖不完的。

结尾借用繁花的台词:

生命之树循环往复,我们知道自己在每个春天会开出什么样的花,也知道在秋天一定不会结出什么样的果。但我们依然会期待下一个冬去春来,繁花似锦。

春华秋实本是常态,潮起潮落亦是普遍,也许明天远不及心中所期盼,但坚持前行,相信终有一个终点能够回应这一路的披荆斩棘,共勉。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2186976.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

什么是 Web 应用中的 Facet 控件

在 Web 页面设计和开发中,facet 是一个十分重要的概念,尤其在电子商务、数据搜索和筛选功能中非常常见。Facet 通常指的是一种分类或过滤的方式,用于让用户能够通过多维度的条件来细化和调整数据结果,从而找到更符合需求的内容。F…

资源《Arduino 扩展板5-单电机驱动》说明。

资源链接: Arduino 扩展板5-单电机驱动 1.文件明细: 2.文件内容说明 包含:AD工程、原理图、PCB。 3.内容展示 4.简述 该文件为PCB工程,采用AD做的。 该文件打板后配合Arduino使用,属于Arduino的扩展板。

ECP 集成字段非必填配置

导读 INTRODUCTION 非必填设置:ECP主数据同步的时候,经常遇到一个问题,就是ECP报错,但是这个字段两边的ecp顾问与sf顾问都觉得没实际意思,觉得没有传输的必要性,这个时候我们就可以考虑非必输的字段不必输…

Linux命令--04----文件目录类命令

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录 文件目录类命令pwdls 、llcdmkdirrmdirtouchcprmmv 查看文件catmorelessheadtail 打印信息echo\> 覆盖和>>追加lnhistory 文件目录类命令 pwd ls 、ll cd…

C--编译和链接见解

欢迎各位看官!如果您觉得这篇文章对您有帮助的话 欢迎您分享给更多人哦 感谢大家的点赞收藏评论 感谢各位看官的支持!!! 一:翻译环境和运行环境 在ANSIIC的任何一种实现中,存在两个不同的环境1,…

动手学深度学习(李沐)PyTorch 第 7 章 现代卷积神经网络

7.1 深度卷积神经网络(AlexNet) 在计算机视觉中,直接将神经网络与其他机器学习方法进行比较也许不公平。这是因为,卷积神经网络的输入是由原始像素值或是经过简单预处理(例如居中、缩放)的像素值组成的。但…

【C++】——list的介绍和模拟实现

P. S.:以下代码均在VS2019环境下测试,不代表所有编译器均可通过。 P. S.:测试代码均未展示头文件stdio.h的声明,使用时请自行添加。 博主主页:Yan. yan.                        …

亚马逊云乱扣费,被不知不觉扣钱真的好气呀

之前申请了亚马逊云12个月免费,一直也没用,也没登录,今天突然看到银行扣费信息,扣了我21美元,已经扣了我几个月了,登录亚马逊后台,实例为0的情况下,每个月都能扣21美元,国…

【HTML+CSS】留言板plus实现全过程

创建一个具有动态留言的简约风格留言板 在本教程中,我们将学习如何创建一个简约风格的留言板,它具备动态留言显示和一些基本动画效果。这个留言板将使用HTML和CSS构建,最终实现一个既美观又实用的界面。 准备工作 首先,确保你的…

UNRAID使用rclone挂在alist网盘

UNRAID使用rclone挂在alist网盘 需求:考虑异地备份,将部分重要的资料上传至网盘,保证nas中的资料安全。 考虑:当然网盘备份存在安全性问题,后续也可以通过加密的方式进行上传,不过这是后话,有精…

Python常见问题解答:从基础到进阶

Python常见问题解答:从基础到进阶 Python 是一种简单易学、功能强大的编程语言,广泛应用于数据分析、Web 开发、自动化脚本、人工智能等领域。即便如此,Python 开发者在编写代码的过程中,常常会遇到各种各样的问题。本文将从基础…

java集合 -- 面试

Java集合框架体系 ArrayList底层实现是数组 LinkedList底层实现是双向链表 HashMap的底层实现使用了众多数据结构,包含了数组、链表、散列表、红黑树等 List ps : 数据结构 -- 数组 ArrayList源码分析 ArrayList底层的实现原理是什么? ArrayList list new…

HKMG工艺为什么要用金属栅极?

知识星球里的学员问:在HKMG工艺中,会用到HfO2等作为栅介质层,为什么不能再用多晶硅做栅极,而是改为金属栅极? 什么是HKMG工艺? HKMG(High-K Metal Gate ),是45nm&#…

《深度学习》OpenCV 背景建模 原理及案例解析

目录 一、背景建模 1、什么是背景建模 2、背景建模的方法 1)帧差法(backgroundSubtractor) 2)基于K近邻的背景/前景分割算法BackgroundSubtractorKNN 3)基于高斯混合的背景/前景分割算法BackgroundSubtractorMOG2 3、步骤 1)初…

利士策分享,年前如何合理规划,轻松搞点小钱?

利士策分享,年前如何合理规划,轻松搞点小钱? 随着春节的日益临近,不少人开始为过年期间的开销而犯愁。 如何在年前合理规划,轻松搞点小钱,成了大家热议的话题。 别担心,这里有几个既实用又不伤…

华为OD机试 - 分班问题(Java 2024 E卷 200分)

华为OD机试 2024E卷题库疯狂收录中,刷题点这里 专栏导读 本专栏收录于《华为OD机试(JAVA)真题(E卷D卷A卷B卷C卷)》。 刷的越多,抽中的概率越大,私信哪吒,备注华为OD,加…

华为OD机试 - 密室逃生游戏(Python/JS/C/C++ 2024 E卷 100分)

华为OD机试 2024E卷题库疯狂收录中,刷题点这里 专栏导读 本专栏收录于《华为OD机试真题(Python/JS/C/C)》。 刷的越多,抽中的概率越大,私信哪吒,备注华为OD,加入华为OD刷题交流群,…

杀疯啦-yolov11+deepsort的目标跟踪实现

目录 yolov11介绍——实时端到端物体检测 概述 主要特征 支持的任务和模式 性能指标 总结 deepsort介绍: yolov11结合deepsort实现目标跟踪 效果展示 训练与预测 UI设计 其他功能展示 完整代码实现UI界面 yolov11介绍——实时端到端物体检测 概述 YOLO…

IDEA 使用技巧与插件推荐

目录 前言1. IDEA 使用技巧1.1 快捷键优化与应用1.2 高效调试与日志分析1.3 代码模板与片段的自定义 2. 插件推荐2.1 MyBatisX2.2 Lombok2.3 CheckStyle-IDEA2.4 Key Promoter X2.5 GitToolBox2.6 Rainbow Brackets 3. IDEA 性能优化3.1 内存与堆栈设置3.2 禁用不必要的插件3.3…

论文翻译 | Language Models are Few-Shot Learners 语言模型是少样本学习者(中)

3 结果 在图3.1中,我们展示了第2节描述的8个模型的训练曲线。对于这个图表,我们还包括了6个额外的超小型模型,参数数量少至100,000。正如[KMH20]中观察到的,当有效利用训练计算时,语言建模性能遵循幂律。在将这个趋势再…