我们刚刚开始接触量化交易时，常常想要把量化交易中的每一个细节及其原理弄清楚， 比如：什么是量化多因子模型？因子具体做什么工作？因子与因子之间如何协作？模型是如何工作的？ 今天，我把我自己打磨设计的一个比较完整的多因子量化交易模型拿出来跟大家分享，尽可能用最直白的语言让你快速理解，一个量化多因子模型到底是怎么运作的。 基本上，你可以把量化交易模型理解为这是一个“自动炒股机器人”。 一、策略要解决什么问题？ 这个机器人的目标是：在几千只股票中，每天找出“大概率要涨”的股票买入，并在它“可能要跌”时...

为什么你的换手率因子总“变脸”？——聊聊因子平稳性与两种实用转换技巧 明明回测曲线很漂亮，实盘一跑就变脸？问题可能出在你直接用了“原始均换手率”这个因子值。 在量化圈，20日均换手率是一个非常经典的量价因子。它简单直观：过去20个交易日的平均换手率，反映了一只股票的交投活跃程度。很多初学者会直接把这个值放进多因子模型，或者作为机器学习的一个特征。 然而，如果你直接用原始值建模，往往会遇到一个诡异的现象：样本内表现惊艳，样本外（或实盘）却持续失效。这背后的罪魁祸首，常常是因子非平稳。 今天我们...

因子构建过程中，正交处理和赋权处理内部算子与回测性能数据的对比试验。 在量化投资中，量化因子的构建是核心环节，而内部算子的正交处理与赋权处理，正是让因子“好用、管用”的关键两步。简单来说，正交处理就是给多个因子“去重去干扰”，删掉它们之间重复的信息，让每个因子都能独立发挥作用、互不影响；赋权处理则是给每个因子“定话语权”，根据因子的效果、稳定性，决定它们在最终投资决策中占多大比重。搞懂这两个处理方式，就能轻松理解量化因子如何从一堆原始数据，变成能指导投资的有效工具。下面我来做一个完整的因子构造过...

构建思想 经典布林线指标在日线级别的传统用法，通常被视为价格通道的突破信号或回归信号。然而，直接使用股价触及上下轨的简单信号，往往面临信号频繁、稳定性差的问题。其深层原因在于：布林线的宽窄反映了市场的波动状态，而在不同波动状态下，股价触及上下轨所蕴含的交易含义存在显著差异。因子切割论提供了一套系统的方法，将这一“矛盾”转化为可量化的精细结构。 思维逻辑 我们希望构造一个因子，能够准确表达布林线的“回归”与“突破”在不同市场环境下的有效性。核心思想是：将股票的日度收益率按照“布林线位置”进行切割...

大家好，我是正在量化路上摸索的小白。最近在用PandaAI这个个人量化工具，发现它真的挺适合我们这种不想折腾底层代码的人。今天想和大家分享一个经典的研究——市值因子，看看A股的小市值股票是不是真的像传说中那样，能在未来几天跑赢大盘股。 这篇文章完全是我个人的学习笔记，希望能帮到同样刚入门的朋友。我们不用纠结复杂的数学公式，就用PandaAI的界面和简单操作，一步步验证这个因子。 一、为什么想到研究市值因子？ 刚接触量化的时候，总听前辈说“小市值效应”：市值小的公司，长期收益往往比大公司高。理由...

听说PandaAI可通过自然语言实现量化全流程，无需代码，作为散户老炮，我抱着尝试心态过来尝试学习。 一、平台初印象 界面特点：简洁友好，核心功能直观可见。 “AI工作流”，标注“拖拽节点搭策略，自然语言提需求”，工作流的核心逻辑是用日常语言下达需求，让AI来完成全流程技术操作（数据获取、因子构建、回测、分析）。   二、实操过...