“2016年我的总结叫脱虚向实，就是大家发现虚的已经没法玩，到头了，这个时候发现一个问题，央行的货币政策到边际高点，这个时候货币层数上升了，库存周期带动货币层数上升，这时候基本逻辑就是通胀逻辑”，

我们的目的在于：通过交流和研讨的方式，建立一个成熟的投资研究机制：既可以通过宏观的视角判断出阶段性的市场状态，又可以利用各种先进的算法捕捉到市场上各种模式，最后可以利用程序化的交易来获取稳定的收益。

2.a与b同时受到系统性涨跌影响，走势较为一致，因为采用一买一卖对冲，且金额上基本相当，即使两品种系统性涨跌，等于是持仓对锁，利润基本锁定在入场初期；

注：点击阅读原文，进入量化掘金交流“源”地——量邦社区，带你一同开启量化世界的玄妙之门。若手机无法显示策略源代码，

第一种商业模式是构建及运营与量化投资相关的共有云平台，向个人投资者和机构投资者提供量化投资相关的云服务。例如，向最终使用者提供的Online

概率已经盈利很大了，就把它做反方向进去。像这种方法都是非常常见的，这种方法它是一种风险比较低的一种方法，而且它的收益相对来说比较稳定，可以用这种分层结构的方法做一些，适当地加一些杠杆都没有问题。

模型可以降低你的风险......它会降低每日的恶化。而老式的选股策略:"有一天你感觉像个英雄。第二天你感觉像一只山羊。换种方式说，大多数情况下它是只是运气。"我们并不优于模型"。

我们已经了解到了SVM处理线性可分的情况，对于非线性的情况，SVM的处理方法是选择一个核函数，通过将数据映射到高维空间，最终在高维特征空间中构造出最优分离超平面，来解决在原始空间中线性不可分的问题。

多个组都发表了论文对这一问题进行了理论和实验的讨论，首先我们对这些论文的结果做一个简要的总结。三篇论文研究类似，但是每一篇相对于前一篇都有改进。

个特征的数据集不能直接使用标准图形技术直观地理解，但是具有成百上千个特征的数据集通过这种方式理解起来却很容易。该方法能直接识别行为一致的特征组，这通常在基因组和更普遍的生物学数据的分析中存在。

第一部分介绍一下量化投资的概念。我们搜索百度的时候，看一些书的时候，量化投资的定义是不太全面的，每个人的理解不太一样，有的过于狭窄，有的又过于宏大。在这里把量化投资这个概念做一个非常正职的说明。

排序系统最大的特点是根据原有的文献资料、实证结果，对分析师评级变动进行了加强处理，质量筛选，基于分析师评级变动中存在获利空间这一条件，将股票一些基本面情况和行业信息进行了系统的分析。

下图展示了我们将要构建网络的一般结构（图片来源：http://mccormickml.com/2016/04/19/word2vec-tutorial-the-skip-gram-model/）。

具体而言，主要策略类型有量化对冲策略、量化多因子策略、Alpha/Beta复合策略、商品期货CTA策略、多因子选股+期货CTA的多策略、指数增强策略、宏观配置量化多策略等。

研究发现，巴菲特在1976-2011期间，实现了19%的年化收益率，同期美国股票市场平均年化收益率为6.1%。如果在1976年投资1美元的伯克希尔哈撒韦，到2011年将获得1500美元。

的集中与分散程度，峰度一般可表现为三种形态：尖顶峰度、平顶峰度和标准峰度。在假设方差分布与正态分布一样不变时，峰度大于正态分布的标准峰度3时，为尖顶峰度，同时如图2所示，会伴随着分布的肥尾现象。

最主流的趋势追踪策略，其中还有大量的操作空间与复杂的策略方式，涉及趋势追随的方向判断以及种类选择等，难以直接被简单的风格因子所解释。试图去剥离与归因该类产品，仅依赖于当前的简单的因子体系尚显不足。

比如市场认为白糖价格明年会很好，所以白糖明年的期货价格肯定比今年的期货价格高出500-1000元，远期买入时就要付出很大的代价，如果不在今年买入白糖期货，也可以通过够买白糖相关股票获得预期回报。

对于做出选择下一节点决策的智能体，它必须有一个架构当前状态的表征，以及一个指导性的工作存储器。我们提出借助以下两个组件来实现它：

PRINCOMP会根据BY语句中的变量对原数据进行分组分析。若BY语句中的变量多于一个，那么仅最后一个变量起作用。BY语句的使用要求数据已按照BY语句中变量的顺序排序。

2.统计时点：我们在此策略中选择一季报和三季报的财务数据，因此调仓日期为公布财报截至日后的第一个交易日，就是每年的5月和11月的第一个交易日。行情数据使用调仓日当天的数据。

这个过程中，我们要注重它的估值和交易，争取能够在一个比较好的位置进入，这样安全边际比较高。面对市场波动，我们能够容易保持比较好的心态，这样长期业绩相对来说会有比较好的保障。我觉得这是核心的一个地方。

对称正交组合各年度的表现如下表中所示，多头组合的年化超额收益17.66%，相对最大回撤-8.09%，信息比2.58，空头组合的年化超额收益-26.41%，相对最大回撤10.17%，信息比-3.22。

Solver求解。在不允许卖空(wi>0)的限制条件下，均值方差模型很可能没有解析解，此时我们可以使用二次优化算法（如Matlab中的quadprog函数，python的minimize

trader)：销售交易员从客户拿到单子，交由前台的执行交易员执行。法律规定执行交易员要为客户利益做到最有利的执行，即最优的价格——单子大的时候要尽量减少对市场的冲击。交易执行一般有4个途径：

2）在报告发布日后，虽然超额收益的均值仍在不断增长，但中位数却在不断下降。这表明，分析师推荐股票的收益存在右偏特征。简单来说，就是均值是被少数高涨幅股票带动拉升的。

降维权重是因子降维的关键，不同的降维方法会给出不同的降维权重，从而影响降维后因子的表现以及模型最终的表现。报告主要从以下三种思路出发，构建了相关降维方法：

本文主要针对朝阳永续、WIND两家数据供应商的分析师预测数据进行分析，比对数据源、加工一致预期数据的质量以及选股的有效性。

我们已经了解到了SVM处理线性可分的情况，对于非线性的情况，SVM的处理方法是选择一个核函数，通过将数据映射到高维空间，最终在高维特征空间中构造出最优分离超平面，来解决在原始空间中线性不可分的问题。

量化投资是一种以数据为基础、以模型为核心、以程序化交易为手段的交易方式,具有交易量巨大、持仓时间很短、总体收益稳定等特点。它起源于投资组合理论,

为了更好地进行对比，依次计算均值回归、tau=0.1、0.5和0.9的分位数回归对应的选股结果，分别几位OLS、QR(0.1)、QR(0.5)、QR(0.9)。下表给出了每一组的年化收益。

本文提及的研究论文证明了：在深度学习架构中使用复数确实会带来「实实在在」的优势。研究表明：使用复数能够带来更鲁棒的层间梯度信息传播、更高的记忆容量、更准确的遗忘行为、大幅降低的网络规模，以及训练

提出的方法是首先修剪不重要的连接，重新训练稀疏连接的网络。然后使用权重共享量化连接的权重，再对量化后的权重和码本（codebook）使用霍夫曼编码，以进一步降低压缩率。如图

“未来有两个技术，一个是大数据云计算，随着技术的发展，量化投资的方法可以通过大量信息来分析科技股。”另外，过大江预测，随着人工智能的发展，量化投资会进入2.0时代，中国在这方面有望领先全球。

在传统投资进行中，人性弱点往往是使投资者做出错误的决定的根源，从而导致意料之外的亏损。然而，量化投资模型，既可以规避人性的弱点--心理偏差，又能超越普通投资方法从而获得收益。

最开始，我们直接将需要分析的题目选入，点击【确定】，进行分析即可，此时可以输出检验是否可以进行因子分析的统计量，KMO统计量与球形检验。

因子分析的目的是找到变量之间潜在的结构，通过因子分析能够找到潜藏在数据之下，无法直接进行测量的潜在变量。

在因子分析时，常用的用于提取因子的方法是主成分分析，因此理解主成分分析方法的原理至关重要。不仅如此，主成分这种方法作为一种独立的方法也经常使用，理解它的原理也很重要。

下篇文章将着重介绍主成分分析的原理和在SPSS中的实现方法。只要掌握主成分分析的原理和方法就基本掌握了因子分析的原理和方法了。

即时推送最新量化信息，把握市场脉动。启发策略思路，培养量化技能。

对于语句分类基准，我使用的是影评两极化数据集（http://www.cs.cornell.edu/people/pabo/movie-review-data/）和斯坦福情绪树库数据集

其实，你可以想象，例如在多元回归分析中，如果多个自变量存在相关性，如果可以用因子分析，得到几个不相关的变量（因子），再进行回归，就解决了自变量共线性问题。（理论上是这样的，但市场研究很少这么操作！）

“观察价格形态，我发现可以在这方面做些研究，也许有些方法能预测价格，它们属于数学和统计学方面的方法。开始我一个人着手研究，然后带了些人一起。我们逐步建立了模型，模型越来越好，最后取代了基本面。”

严格归因的事件超额收益评估可以采用反事实分析的研究思路。事件收益的因子分解与风格控制主要可以采用基于时间序列回归的分解方法、基于横截面回归的分解方法，以及基于匹配组的超额收益分解方法三种研究框架。

Theory，简称APT），再到因子模型。其中，除了利用模型对资产进行定价，我们还可以利用模型对回报进行归因分析。CAPM把回报分解为系统回报和超额收益，因子模型把回报分解为各个因子贡献的回报。

maxdrawdown(Pclose)得到该只股票收盘价的最大回撤，并赋值给risk，值为0.1155，也就是该只股票从前一高点到最低点的最大跌幅为11.55%。

在合约选择上，考虑到不同月份合约市场活跃度和参与度的不同，只选择各品种的主力合约进行交易，并选择主力合约的收盘价进行计算。为降低主力合约在换约时产生的跳价影响，对主力合约的收盘价进行如下处理：

为了了解学生的学习能力，观测了n个学生p个科目的成绩，用X1,...,Xp表示p个科目（例如代数，几何，语文，英语......）。我们对这些资料进行归纳分析，得出全部科目X所共有的因子有m(m

对于价差，我们计算价差均值和上下界，在价差上穿下界时，做多价差，在回归均值时，平仓了结；在价差下穿上界时，做空价差，在回归均值时，平仓了结。其中，均值的计算窗口为20日。

Price）的规则，可以帮助消费者明白真正价值并做出更好的选择，与此同时，RECAP也提供了一种监控的方式来防止滥用价格策略。规则的制定者将会运用可读性数据和信息透明性来帮助市场进行更好的自我管理。