背景 最近在小安老师建议下做端到端阿尔法模型的构建复现，踩了不少坑，也有一些收获。这篇文章是结合招商证券那篇《端到端的动态Alpha模型》研报的第一部分，以及我自己的实践经验整理出来的，顺便附了我画的图来梳理结构。 一、线性因子模型逐渐失效了？ 研报里其实讲得很清楚，线性模型的问题并不只是过时这么简单，而是它在理论假设上就有点站不住脚。比如APT模型假设资产收益率和因子之间是线性关系，而且残差是独立同分布的、无异方差的。但现实中的金融市场，残差往往具有强烈的异方差性和截面相关性。 这也...

精通AI、CV、NLP、pytorch、HFT和python。 WeChat：_marketing_007 

<br <center<fontface="华文行楷"size=6em量化关键指标详解与案例解析</font</center <br <fontface="华文行楷"size=4em一、$\rmSharpe$</font<fontface="华文行楷"color=greensize=4em（夏普比率）</font<br &emsp;&emsp;$\sf1$.<fontface="华文行楷"size=4em定义</font &emsp;&emsp;&emsp;<fontface="华文行楷"size=4em夏普比率用于衡量投资组合每承受一单位总风险所获得的超额回报。它综合考虑了收益和风...

一、引言 在金融市场投资策略研究领域，小市值和红利低波策略近年来备受关注。在过往研究在这两种策略应用中存在一定缺陷，本文旨在深入剖析并优化，本次着重解决上一次研究中小市值年化收益不足和回撤波动较大的问题。 [小市值与红利低波的互补研究：风险对冲与收益增强的双重路径](https://www.pandaai.online/community/article/76) 1.1上文研究不足之处 上文在优化小市值和红利低波动策略回撤上不够具体，主要体现小市值最大回撤高达34.78%，可以引入熔断机制或者宏...

期货量化交易：数据驱动的市场博弈新范式 随着金融科技的快速发展，量化交易逐渐成为期货市场的重要参与力量。通过数学模型、统计分析和算法技术的结合，量化交易试图从海量市场数据中捕捉短期价格波动的规律性，为投资者提供更高效的风险收益解决方案。 1.核心策略：从趋势捕捉到统计套利 期货量化策略的核心在于对价格、成交量、持仓量等高频数据的挖掘。常见的策略包括： 趋势跟踪策略：通过均线突破、动量因子等模型识别趋势信号，例如基于布林带通道的价格突破策略。 统计套利策略：利用跨品种、跨期合约价差的均值回归特性，如螺纹钢与铁矿石期货的对冲组合。 高频做市策略：在毫秒级时间窗口内捕捉盘口价差，依赖低延迟交...

一概述 市场对日频及以上频率的量价因子研究由来已久，也比较成熟。相对而言，高频因子研究较为新颖，拥挤度较低，有效性也较高。中金公司的研报《量化多因子系列12：高频因子手册》比较系统的介绍了高频因子的构建及表现，对于我们挖掘高频因子有较好的指导作用。 1.1高频因子的优势 高频因子主要是以股票日内交易价量、逐笔成交、逐笔委托以及分钟k线等数据为基础构建的。捕捉日内交易行为，维度更高，能刻画更精细的市场行为。相对中低频因子，高频因子的优势在于（1）信息含量更为丰富。高频数据量比低频数据大几个量...