【分享】多因子指数增强 - Hugo2046

463

@zz。你指的是计算IC时用用到的next_returns吧实盘中肯定使用其他手段解决啊下面的评论有提到过

@Hugo2046 说是读取文件result_df.csv'不存在，是我运行研究有问题吗？我是直接克隆研究，然后运行所有的，还需要做什么操作？

@brucezzz 运行研究后会生成一个result_df.csv在你的研究目录里面你找找看有没有这个文件如果没有那么可能就是研究文档没有运行到那个位置

@Hugo2046 在研究内容里，我是点击单元格-运行所有，但研究目录里还是没有这个文件，不好意思我才接触这个没多久不太熟悉，是运行操作的问题吗？

@mikelhsia 是的很奇怪的一个问题我放下线没问题平台上有时可用有时报错

@brucezzz 你试试在顶部运行"运行下面的单元格"试试

看不下来,估计能看下来的时候就可以去卷商了. 不过感觉这个策略收益率不高,回测也不下啊.也许超额收益稳定增加,也许用Alpha 因子与股指期货对冲,可以实现无回撤稳定收益.

@晒太阳的猫我感觉重要的是思路和框架把底层的因子替换掉收益就不一样了这里我只是用的常用的因子而已

@Hugo2046 原来如此,多谢!

综合打分不涉及多重共线性的问题，共线性涉及的是回归系数的估计问题，因为它违反了线性回归的模型假定。我认为这里做正交是画蛇添足，而且因子经过正交之后，已经没有解释意义。举个例子，根据数学和物理考试总分来选拔理科尖子生，但你说数学和物理没关系吗？物理中没有数学推导吗？难道高考录取的时候，还要把各科成绩做个正交再算排名？

@书生意气您好，这里去除的是因子之间的共线性比如这个模型中，估值这个大类因子中有三个，技术因子两个,成长因子四个，如果不去除共线性，最后打分结果可能会像权重多那方倾斜。这里的去除共线性与计量经济学中回归所说的：线性假定，严格外生性，不存在“严格（完全）多重共线性”这三个假设不相干

@Hugo2046 其实是规避因子的重复暴露。但是正交化之后的因子没有解释意义，这个问题完全可以通过剔除相关性较高因子来解决。而且我觉得很多研报都在教条性地使用这个数学处理，这样做并不好，影响大的因子就应该让它权重大，相关性高的因子自然会对冲彼此的权重。以IC加权为例，两个因子高度相关，IC要大都大，IC总和大了，单一因子权重自然降下来。我认为正交弊大于利。

@Hugo2046 还是不行......会是浏览器的问题吗？我用的是chrome

@书生意气其实我感觉并不是教条式的,知道利弊之后自己权衡就好,比如因子清洗的时候也可以选择不做中性化一样

@brucezzz 你好应该不是我也第一次遇到有人反馈这个问题....

@晒太阳的猫这个已经是社区里最好的多因子框架了你随便找几个基本面因子就是商城一个月1，2000的策略

@埃登奇尼奥多谢!计划找个时间仔细读懂.

# 获取分层数据 result_df = stratified_sampling('000300.XSHG', START_DATE, END_DATE, factors5[[ 'INDUSTRY_CODE', 'market_cap', 'SCORE', 'NEXT_RET']]) Exception: cannot handle a non-unique multi-index! 这一步一直都是错误的。

@Hugo2046 感谢跟进！前段时间有事没在弄这个，我再试试，整理好了问题发您

@ 是聚宽的问题吗我保存在本地然后在本地运行一下