02 2023 档案
摘要：10 - 拟合 然而，在判定量化策略的优度时，仍有一个极其重要的指导原则，这就是过度拟合。模型的过度拟合本质上意味着研究员使用过多的数据。最经典的定义是研究员建立了一个能够很好解释过去的模型，但对未来解释性较差。这可能发生于几种情况。 第一，研究员必须对模型的复杂度加以注意。模型的复杂度来自几个方面
阅读全文
摘要：胜率或盈利时间占比 胜率这个百分比是一致性的另一种度量方法。这个指标告诉研究者系统盈利是来自小比例的偶然表现极其优秀的交易，还是来自很多交易，每笔交易可能都贡献微小的利润。类似地，可以使用盈利周期与总周期数的比值简单度量（这通常是用胜率或者盈利天数百分比进行度量）。对于两种度量方法，人们对具有更强一
阅读全文
摘要：宽客和科学家存在着重大区别。科学家基于很多目的进行研究，包括了解自然世界的真相。而且在自然科学领域，一个良好的理论，既很好地被证据所支持且有着广泛的实际应用价值，例如爱因斯坦的相对论，并不需要为了继续有效而修正。 相反，量化研究不得不进行持续的研究，采取措施确保研究成果丰富多产。这是因为，自然是相对
阅读全文
摘要：008 - 检验 （1） 检验是研究的中心。初看上去，这个过程的最常见版本看上去相当简单。首先，构建模型，并基于可行数据的某个子集（样本内数据，in-sample period）训练此模型。然后在数据集的另一个子集检验其是否盈利（样本外数据，out-sample period）。 通过使用更多的数据
阅读全文
摘要：存储和提取数据所使用的数据库技术很大程度上取决于所使用数据的属性。如果数据的搜集和预处理工作没有做好，将会带来严重的后果，从另一方面阐明了数据的重要性。 毕竟，当你对结果进行仔细检查时，结果通常是带着很多小数的一串精确数字，但这只是虚假精确（false precision）。所以，面对一个带有很多位
阅读全文
摘要：005 - 订单执行算法 现在量化交易的流程和以前人为执行交易的年代并没有什么显著不同。一些交易者喜欢主动地参与执行自己的订单，而另一些则把执行订单的工作外包给经纪商去做。一些公司会把执行订单外包给提供订单执行服务的第三方公司，第三方公司会站在交易者的立场上与经纪商交涉。 现在，还有些公司继续雇用人
阅读全文
摘要：投资组合优化技术 无约束条件的优化方法 无约束条件的优化方法是优化方法中最基本的一种，如果愿意的话，该方法可以把所有的资金投入单一金融产品。 带约束条件的优化方法 为解决这一问题，宽客们指出如何在优化过程中添加约束条件和惩罚项，从而得到更加“合理的”结果。约束包括头寸规模限制（如分配给某一头寸的占比
阅读全文
摘要：投资组合优化工具主要是基于资产管理行业的经典理论——现代投资组合理论（modern portfolio theory，MPT）的基本原理。 现代投资组合理论 MPT的核心原理是，投资者一贯是风险厌恶型的，这意味着如果两种产品收益相同但风险水平不同，投资者会偏好低风险产品。据此可以得到一个推论，只有存
阅读全文
摘要：模型预处理层介绍（3） - IntegerLookup IntegerLookup 的作用，是将整型特征映射到连续范围的预处理层。 tf.keras.layers.IntegerLookup( max_tokens=None, num_oov_indices=1, mask_token=None,
阅读全文
摘要：Hashing的方式本质上也是分桶，在上一篇我们提到过的bucket的方式进行分桶，而在Hashingd的方法中，所有的输入都会通过Hash映射进行转换成int，然后再进行分桶。 该层将分类输入转换为散列输出。它在元素上将一个 int型或字符串 转换为固定范围内的int型。稳定哈希函数使用tenso
阅读全文
摘要：相等风险加权 相等风险加权方法根据头寸的波动性（或风险的其他度量指标，如下降幅度）来反向调整头寸规模。波动性越大（小）的头寸，分配的权重就越小（大）。 相等风险加权的方式，是根据对于整个投资组合的风险贡献度而言，并不是根据分配的头寸规模，投资组合中的每个头寸都是均等的。 通常认为相等加权模型是最合适
阅读全文
摘要：基于规则投资组合笔记。 相等头寸加权 如果某一头寸好到值得拥有，就不再需要其他信息来决定其规模。这里有个深层次的隐含假设：金融产品具有同质性，不需要根据其风险或其他指标加以区分。 这里解释一下什么是头寸。 头寸（position）也称为“头衬”就是款项的意思，是金融界及商业界的流行用语。 如果银行在
阅读全文
摘要：预处理的作用主要在于将难以表达的string或者数组转换成模型容易训练的向量表示，其中转化过程大多是形成一张查询表用来查询。 常见的预处理方式包括： class Discretization: Buckets data into discrete ranges. class Hashing: Imp
阅读全文
