Python金融量化【Python量化】从资金数据中挖掘市场超额收益【附源代码】_第1页
Python金融量化【Python量化】从资金数据中挖掘市场超额收益【附源代码】_第2页
Python金融量化【Python量化】从资金数据中挖掘市场超额收益【附源代码】_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、【Python 量化】从资金数据中挖掘市场超额收益导读：主流的多因子选股模型通常采用量价数据(开高低收、成交量 )、财务数据 (通市值、市盈率、市净率等 )、舆情数据 (事件)来挖掘市场中存在的超额收益。本文主要以资金数据为落脚点，试图挖掘有效的资金因子(月频)，并构建资金因子选股策略，获取市场超额收益。1.资金数据1.资金数据向，进而反应股票的微观供求信息。考虑到短线资金数据掺杂着较多的噪音，且短期盘面受投资者情绪、事件等因素影响，本文选取17 向，进而反应股票的微观供求信息。考虑到短线资金数据掺杂着较多的噪音，且短期盘面受投资者情绪、事件等因素影响，本文选取17 个个股资金指标，从月频角度

2、，试图挖掘有效的资金因子。主动系(单位：元)主动系(单位：元)被动系(单位：元)主动买入特大单金额被动买入特大单金额主动卖出特大单金额被动卖出特大单金额主动买入大单金额被动买入大单金额主动卖出大单金额被动卖出大单金额主动买入中单金额被动买入中单金额主动卖出中单金额被动卖出中单金额小单买入金额小单卖出金额综合大单净量（元）金额流入率（ %）DDE 大单净额（元）DDE 大单净额（元）2.月频资金因子基本挖掘逻辑2.月频资金因子基本挖掘逻辑基本信息基本信息历史周期2014-01-01至 2019-01-15股票池上证 50 指数成分股因子值当月资金指标累加因子分析基本信息表单因子分析：了解每个资金

3、指标的预测能力和稳定性合成因子分析：按照金融逻辑，运用17 个单因子中的若干个合成因子，并对分析成因子的预测能力和稳定性。本文分析了“机构收割散户”和“资金反转”两个因 子。因子策略回测：将有效的合成因子构建成因子策略，在回测环境中测试。3.单因子分析(单期： 2018 年 1 月为例)3.单因子分析(单期： 2018 年 1 月为例)我们获取 2018 年 1 月末股票池内所有个股的主动买入特大单金额数据，并进行累加，作为当期因子值，然后按因子值从大到小排序，切分成 5 组，计算 5 个组别在2 月份的收益率，其中每个组别的收益率为该组别下所有个股的下月收益率均值。再计算该因子当期的 RANK IC 值，即当期所有个股因子值的 RANK 与下个月收益率的 RANK 的相关系数。组别组别收益率前 20%-9.59%20-40%-8.10%40%-60%-4.06%60%-80%-8.08%后 20%-7.54%当期 IC2018 年 1 月单期数据表-0.07代码展示（文末获取完整代码）4.单因子分析（多期叠加）按照单期计算方法，我们获取 2014 年至今的所有数据结果，并将 5 个组别的收益率进行累积，每组的初始净值为 1，我们还是以

人人文库> 全部分类> 应用文书 > 项目管理

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论