閱讀原文請(qǐng)點(diǎn)擊鏈接：https://www.ricequant.com/community/topic/4691/?utm_source=jianshu
白馬過隙，隨著最后一代90后正式踏入成年大關(guān)冻辩，我們也與2017正式說再見。在過去的一年里妻枕，公眾號(hào)的粉絲成功翻番。在我們普及金融科技教育的同時(shí)，收獲了與用戶間的深厚友誼。本篇文章將為大家梳理2017年四季度一起度過的美好回憶挡毅。
多因子系列
多因子權(quán)重優(yōu)化方法比較 -----Canned_fish
在多因子量化投資體系中，具有穩(wěn)定的預(yù)期收益暴构，可解釋的經(jīng)濟(jì)驅(qū)動(dòng)理論，與其他因子的低相關(guān)性是選擇alpha因子的關(guān)鍵指標(biāo)段磨。本篇文章中取逾，作者以此為因子選取標(biāo)準(zhǔn)，簡單地構(gòu)建了自己的因子庫苹支，總共包括八個(gè)大類因子砾隅，每個(gè)大類因子中包含四到五個(gè)子類細(xì)分因子。為了比較不同的權(quán)重優(yōu)化方法的優(yōu)劣债蜜，作者首先采取不同的方法對(duì)各個(gè)大類因子下的細(xì)分因子進(jìn)行合成晴埂，確定了不同大類因子的各自最優(yōu)的合成方法究反；其次，通過不同權(quán)重合成方法對(duì)合成的大類代理因子進(jìn)行二次權(quán)重合成儒洛，并比較了這些不同合成方法下的因子表現(xiàn)差異精耐。
（逐步回歸（stepwise）流程圖）
在量化交易中，多因子策略是一種常被提及且應(yīng)用廣泛的選股策略琅锻。我們會(huì)經(jīng)常使用某種指標(biāo)或者多種指標(biāo)來對(duì)股票池進(jìn)行篩選卦停，這些用于選股的指標(biāo)一般被稱為因子。多因子模型的優(yōu)點(diǎn)在于恼蓬，它能通過有限共同因子來有效地篩選數(shù)量龐大的個(gè)股惊完，在大幅度降低問題難度的同時(shí)，也通過合理預(yù)測做出了判斷处硬。本篇文章作者梳理了多因子模型的常規(guī)構(gòu)建步驟小槐，方便大家學(xué)習(xí)如何科學(xué)地構(gòu)建多因子策略。
數(shù)據(jù)預(yù)處理（上）之離群值處理荷辕、標(biāo)準(zhǔn)化-----金尾巴
在日常處理數(shù)據(jù)的過程中凿跳，因?yàn)檫^大或過小的數(shù)據(jù)可能會(huì)影響到分析結(jié)果，尤其是在做回歸的時(shí)候桐腌，我們需要對(duì)那些離群值進(jìn)行處理拄显。實(shí)際上離群值和極值是有區(qū)別的，因?yàn)闃O值不代表異常案站。本篇文章講述了對(duì)于離群值的處理與數(shù)據(jù)的標(biāo)準(zhǔn)化躬审。
數(shù)據(jù)預(yù)處理（下）之中性化處理----金尾巴
當(dāng)我們提及中性化時(shí)，我們往往是希望剔除待使用數(shù)據(jù)中那些多余的風(fēng)險(xiǎn)暴露蟆盐。這些數(shù)據(jù)根據(jù)不同的應(yīng)用場景會(huì)有不同類型承边。本篇文章將探討中性化處理在多因子模型中的應(yīng)用。除去行業(yè)中性化以及市值中性化以外還講述了如何判斷對(duì)什么因子進(jìn)行中性化處理石挂。
多因子模型在港股通中的應(yīng)用初探-----Chao Feng
作為與內(nèi)地金融市場高度關(guān)聯(lián)的香港資本市場博助，尤其是基于港交所的二級(jí)權(quán)益市場，在量化投資領(lǐng)域的發(fā)展卻相對(duì)滯后痹愚。究其原因富岳，一方面受限于香港股票市場長期以來的基本特點(diǎn)：行業(yè)過于集中（以金融、地產(chǎn)為主）拯腮，大部分股票市值較小窖式、成交量較低、交易不活躍动壤，且存在不少“仙股”“老千股”萝喘，不利于量化策略的開展；另一方面也與香港市場信息披露頻率較低（大部分公司一年只發(fā)布兩次財(cái)報(bào)），IT和數(shù)據(jù)資訊技術(shù)不夠發(fā)達(dá)阁簸，全面爬早、準(zhǔn)確和有效的市場數(shù)據(jù)較難獲取的特點(diǎn)有關(guān)。
而隨著港股通的全面開展启妹，內(nèi)地與香港股市的交流前所未有地增強(qiáng)筛严，許多內(nèi)地資金通過港股通等渠道大舉南下，“北水”已經(jīng)成為香港股票市場的一只重要力量翅溺。本篇文章將探討通過港股通數(shù)據(jù)構(gòu)建多因子模型的應(yīng)用脑漫。
機(jī)器學(xué)習(xí)
神經(jīng)網(wǎng)絡(luò)初步嘗試/Neural network in Stock market ---胡子大叔
本文通過兩部分通過最淺顯的試錯(cuò)學(xué)習(xí)原理講解了如何通過構(gòu)建神經(jīng)網(wǎng)絡(luò)使得程序具備回爐機(jī)制。作者寫的文章風(fēng)趣幽默咙崎，實(shí)乃入門神經(jīng)網(wǎng)絡(luò)必備优幸。
深度強(qiáng)化學(xué)習(xí)選股-上證50指數(shù)增強(qiáng)----貓狗大戰(zhàn)
鏈接：https://www.ricequant.com/community/topic/4435/
簡單的強(qiáng)化學(xué)習(xí)選股框架筏养，在選股方面訓(xùn)練虛擬交易員選股調(diào)倉胯盯，實(shí)現(xiàn)SH50指數(shù)增強(qiáng)。在每個(gè)交易日也颤，Agent根據(jù)獲取的觀測數(shù)據(jù)[Batch, Length,Factor]計(jì)算出一個(gè)行為向量[Batch]伊滋，對(duì)50只成份股進(jìn)行調(diào)倉碳却，先賣后買使用，使用開盤價(jià)成交笑旺，在每交易日結(jié)束昼浦，使用收盤價(jià)評(píng)估持倉獲得reward。Agent 推斷架構(gòu)為2層LSTM后接MLP輸出筒主。在與訓(xùn)練環(huán)境交互的時(shí)候使用gather處理n step折現(xiàn)問題关噪。
虛擬交易員HS300指數(shù)擇時(shí)-使用A3C訓(xùn)練卷積網(wǎng)絡(luò)逼近函數(shù)----貓狗大戰(zhàn)
使用asynchronous advantage actor-critic 框架優(yōu)化兩個(gè)神經(jīng)網(wǎng)絡(luò)近似函數(shù)，訓(xùn)練一個(gè)虛擬的指數(shù)擇時(shí)交易員乌妙。
A3C 的計(jì)算框架簡單說就是多個(gè)AC （Actor-Critic）同步進(jìn)行工作使兔，并且每個(gè)一段時(shí)間交流一下修正方向。簡單的使用一個(gè)課題組進(jìn)行比喻藤韵，設(shè)某課題有導(dǎo)師一人虐沥，學(xué)生N人，對(duì)一項(xiàng)課題進(jìn)行研究泽艘。每周學(xué)生找導(dǎo)師交流一次欲险，或每次學(xué)生卡殼找導(dǎo)師交流一次。這樣所有的探索經(jīng)驗(yàn)都會(huì)上傳到導(dǎo)師處匹涮，導(dǎo)師綜合所有的探索盯荤，同時(shí)了解多方向的進(jìn)展和問題，修正課題組研究路線焕盟。學(xué)生獲得導(dǎo)師的經(jīng)驗(yàn)，可以從導(dǎo)師處獲得技巧或者殺招，加速自己這一周研究進(jìn)程脚翘。
（虛擬交易員樣本外交易賬戶凈值走勢）
小波去噪結(jié)合機(jī)器學(xué)習(xí)分類算法預(yù)測漲跌 ----aggie89
使用小波分析對(duì)高頻的信號(hào)進(jìn)行濾波灼卢。首先將信號(hào)按小波尺度指標(biāo)分層展開，再把小波高頻信號(hào)的小波系數(shù)設(shè)為 0来农，最后再將分層小波信號(hào)重構(gòu)鞋真，得到濾掉高頻信號(hào)的股票指數(shù)。
利用常見的機(jī)器學(xué)習(xí)分類算法對(duì)滬深三百指數(shù)漲跌進(jìn)行預(yù)測（總計(jì)2413次）沃于，結(jié)果顯示如果將數(shù)據(jù)進(jìn)行小波去噪涩咖，預(yù)測成功率會(huì)有一定程度的改善(2%~8%)
神經(jīng)網(wǎng)絡(luò)預(yù)測股價(jià)初探----aggie89
神經(jīng)網(wǎng)絡(luò)是一種熱門的機(jī)器學(xué)習(xí)算法，可以用來模擬非常復(fù)雜的系統(tǒng)繁莹。本文用旨在探索利用最簡單的神經(jīng)網(wǎng)絡(luò)預(yù)測隔天收盤價(jià)格檩互。所選取的輸入是過去的收盤價(jià)格。作者之后會(huì)嘗試對(duì)數(shù)據(jù)進(jìn)行濾波咨演，結(jié)合時(shí)間序列分析里的預(yù)測方法進(jìn)行預(yù)測闸昨。
趣味帖
If you are Alphago, how you're gonna trade?----胡子大叔
作者受AlphaGO成功的啟發(fā)，認(rèn)為AlphaGO只是比我們見過薄风、聽過饵较、玩過更多的東西。只要數(shù)據(jù)集足夠龐大遭赂，那么策略的效果一定非常驚人循诉。最后通過4年的收盤價(jià)訓(xùn)練集進(jìn)行股票的交易，回測時(shí)間從2010年至2017年撇他，最終策略效果如何呢茄猫？
作者通過喝咖啡無人應(yīng)答的例子說明在現(xiàn)實(shí)生活中逆粹，人是無法全部時(shí)間放在屏幕上盯著屏幕的募疮，無法注意每一個(gè)股票價(jià)格信息。有時(shí)候我們會(huì)遇到某一類情況僻弹，一支股票早上開盤之后阿浓，在緩慢上漲，然后在一段時(shí)間之后蹋绽，在毫無預(yù)警信號(hào)的情況下芭毙，突然下降。又或者卸耘，一直股票早上開盤之后退敦，價(jià)格緩慢下跌，也是在某一個(gè)不定的時(shí)間點(diǎn)上蚣抗，突然價(jià)格回升侈百。作者設(shè)想如果能大概預(yù)測到這個(gè)時(shí)間點(diǎn)，通過歷史數(shù)據(jù)回測，便能因此獲利钝域。
股票市場中是否存在著“點(diǎn)天燈”現(xiàn)象----胡子大叔
在股票市場我們市場發(fā)現(xiàn)一些股票“名嘴”一致看好市場時(shí)讽坏，市場往往會(huì)轉(zhuǎn)瞬即下。我們此番并不是要找出名嘴當(dāng)中的股海明燈例证，而是尋找股票中的“天燈”路呜。“天燈”意味著它與其他股票兩兩相對(duì)之后得出的correlation是所有負(fù)相關(guān)中絕對(duì)值最大的织咧，同時(shí)在股票池中它也負(fù)影響了最多支股票胀葱，并且在每支被影響股票的千百個(gè)correlation中，它們相對(duì)應(yīng)的負(fù)相關(guān)系數(shù)絕對(duì)值也是最大的笙蒙。
