1.概述 在过去，想要复现一篇多因子研究的研报往往是一项艰巨的任务。市面上缺乏成熟、统一的多因子研究平台，研究者不得不从零开始：自行下载数据、进行复杂的数据清洗、构建因子库，搭建因子评价体系，整个过程既耗时又容易出错。对于那些没有编程基础、但对量化投资充满兴趣的人来说，这几乎成为一道无法跨越的门槛。许多想入门的人因此望而却步，迟迟无法真正踏入量化研究的大门。 而如今，PandaAI的出现极大地降低了量化的门槛。它为因子研究提供了一个高效、统一、易用的平台，只需掌握一套简单的函数体系，就可以快...

1.概述 接上一篇，为什么在A股动量因子会呈现出反转特征呢？直接说答案，就是因为散户太多了。 这篇文章我们将分享《中金公司-量化多因子系列（6）：关于动量，你所希望了解的那些事》提到的四类投资者，我们试着从投资者结构的角度出发去揭示反转特征，同时也思考作为个人，应该选择成为哪一个象限的投资者。 2.A股投资者结构下的四类典型投资者画像 在理解动量为何在A股呈现出“反转特性”之前，我们需要从投资者结构出发，分析不同类型投资者的行为模式及其对市场价格形成机制的影响。 我们可以从两个维度对投资者...

量化算子工具类使用文档 本文档汇总介绍了量化算子工具类中所有函数的功能、输入/输出说明以及使用示例。所有函数均以静态方式提供，调用时直接使用函数名称，无需添加类名前缀。 示例中均采用如下调用格式，例如： CORRELATION(CLOSE,VOLUME,20) 注意 数据要求：各函数要求输入的数据为带有日期和标的信息的多级索引时间序列。如果数据格式不符合要求，内部会自动将索引调整为`date`与`symbol`两级。 参数说明：下列说明中，输入输出参数采用通俗描述，不涉及具体编程语言的数据类型。 --- 基础计算函数 RANK 描述 对横截面数据进行排序，并归一化到区间[-0.5...

引言 招商证券的这份研究报告代表了传统金融机构在人工智能应用领域的重要探索。作为AI系列研究的第二篇，该报告聚焦于多模型集成技术在量价Alpha策略中的应用，为量化投资提供了一套完整的技术解决方案。 通过深入研读，我发现这份报告最大的价值在于其模型选择的系统性思考和集成策略的实用性设计，为行业提供了宝贵的方法论参考。 --- 第一部分：为什么需要多模型集成？ 1.1传统单一模型的根本局限 在量化投资领域，单一模型面临着无法克服的结构性缺陷： 预测精度的天花板效应 即使是最先进的单...

一、引言 在量化分析领域，因子库的有效构建与管理是实现精准投资决策的核心环节。为满足因子数据存储与高效分析的需求，选择合适的数据库至关重要。本文专注于本地MongoDB数据库的搭建，以及Python在该数据库配置与因子数据处理中的应用，旨在为量化分析过程中因子库的本地化配置提供系统性的解决方案。  二、MongoDB用于多因子分析的优势 传统的关系型数据库就像一个个整齐排列的小格子房间，每个房间的大小、形状都得提前规定好，东西得规规矩矩地放进去。而Mongo...

1.概述 笔者最近搭建了一套因子库，参考的是《20230522-招商证券-AI系列研究之一：端到端的动态Alpha模型》附录中的因子，但因子数量还是有限，于是决定引入一些常见的因子库，本文将分享如何用cursor来帮我们快速生成alpha101因子。 2.cursor安装与激活 从官网下载cursor，新注册的用户有免费的使用次数，如果次数用完，可以到某宝上去购买账户，也可以自己充值。  安装好之后，就可以在右边打开对话框，进行对话式编程了，选择@可以指定代码...