NO：01   市场参与者是非理性的，只能追求他们认为满意的目标。近几十年来，大量数据显示人的主观情绪、性格和感觉等主观心理因素或多或少会对行为人的决策构成重要的影响，即便是精确的模型也无法对个体行为

　　先说一个事引出这个博客的内容，我最近投的一篇论文被拒稿，用到的方法使SVM（很惭愧，还在用20年前的算法，当然这并不是重点），审稿意见里面有一段话是这样说的（说的很中肯）：“该方法本身的特点来看就很难

　　基金风格是投资人非常看重的一点，价值型投资风格基金经理热衷于“低买高卖”，努力寻求“物美价廉”的股票；而成长型投资风格基金经理则注重公司成长性，较少考虑股票价格。成长型与价值型之争，一直是市场经久不衰

　　本文探讨了量化投资新手在执行回测和建立量化模型时应时刻注意的七个“大坑”。其中，有些误区可能很常见，但其影响力却往往被人忽略，有些误区可能在学术界和实践者的研究中司空见惯，通常我们也把他们视为理所当然

　　传统的多因子选股模型在给股票打分或者预测股票收益率，然后通过一定的技术手段，例如IC相关的加权方式,确定每个因子的权重，然后根据权重汇总得到股票的得分或者预期收益率的估计。并由此来构建组合，一般对于量

　　报告摘要 市场是一座黑暗森林，每个交易者都小心翼翼。备受大家关注的“聪明钱”（Smart Money），更是难觅踪影。在本篇报告中，我们尝试解答如下问题：能否从分钟行情数据中，发现“聪明钱”行动的蛛丝

　　1、alpha是什么 最早alpha这个概念的出现应该要追溯到capm模型的提出，这个模型的数学公式很简单，就是一个简单的线性回归。 其中rp为资产的收益，而rM为市场的收益。这个式子表示的意思是资产

　　1、   市值因子的罪恶 在Fama提出的三因子中有一个市值因子，实际上这一因子在美国股市上虽然有一定效果但信号非常的弱，Fama解释市值因子有效的理由是，市值小的股票一般是那些有破产风险的公司，而持

　　1. 目前的因子测试方法 目前的因子分析方法一般包括两方面： 1、 对因子收益率和 IC 的筛选： ◆     收益率：要求胜率或者 Top-Bottom 收益率超过设定值； ◆     IC：要求

　　第一部分 GoogLeNet, 2014年ILSVRC挑战赛冠军,这个model证明了一件事：用更多的卷积，更深的层次可以得到更好的结构。（当然，它并没有证明浅的层次不能达到这样的效果） 通过使用 N

　　一、什么是机器学习 机械的定义避开不谈，回答也不追求全面准确。明确一点，机器学习的主要目的在于 发现规律 或 重现规律 。（此处不谈非监督学习、强化学习，也不谈降维、集成算法）。什么是发现规律？譬如将

　　1、幸存者偏差（Survivorship bias） 幸存者偏差是投资者面对的最普遍问题之一，而且很多人都知道幸存者偏差的存在，但很少人重视它所产生的效果。我们在回测的时候倾向于只使用当前尚存在的公司

　　决策树 决策树方法（decision tree）是一种代表因子值和预测值之间的一种映射关系。从决策树的“根部”往“枝叶”方向走，每路过一个节点，都会将预测值通过因子的值分类。决策树的结构如下所示： 如

　　1引言 我们在《正确理解 Barra 的纯因子模型》介绍了 Barra 的多因子模型。该文讨论的重点在于从业务上说明国家、行业、风格纯因子投资组合的含义，而非具体的数学计算。   不过，后来我意识到我

　　Probability Density Function (pdf) of Sine Wave 首先给出概率分布函数及概率密度函数的定义及相关属性：   下面给出了正弦波的概率密度函数的推导过程，求得