2024Quant股票量化实战社群

松鼠Quant
2024-04-12
图片

量化策略开发,高质量社群,交易思路分享等相关内容


直播地址(可回看):

图片


社群链接:


图片





松鼠Quant|股票社群介绍






松鼠Quant股票社群,是一个致力于帮助投资者提升投资技能、分享投资经验的社群。我们汇聚了一群热爱投资、追求卓越的股市玩家,致力于共同成长、共享投资乐趣。在这里你不仅可以学习、还可以交友,不仅可以提高自身技能水平,还可以组团“打怪”。


股票社群内容简介:


课程表:

  1. 简化快速版因子框架分析(源码)

  2. Alphalens工具使用版本(源码)

  3. 机器学习因子分析框架版本(源码)

  4. 宏观学习与研究(实战派)

  5. 实战模型:多因子选股(源码)

  6. 订单流策略在股票市场的应用(源码)

  7. 实战模型:ETF轮动模型(源码)

...逐步增加内容

福利服务

基本面数据库(一年)


社群周期及调价:长期,以上内容40周内全部更新完毕后社群继续增加内容,购买价格也因内容增加逐步上调。


长期更新: 学员只需购买一次即可获得社群内全部内容,免费参加后续的课程和复训。


授课方式: 群内直播或者录播,答疑.


编程语言: python


讲师介绍:

    乌克兰剑圣,订单流图表开发,原创核心代码,为松鼠Quant提供多达88个原创策略源码,内容涵盖CTA策略,截面策略,网格策略,股票多因子,订单流策略等.有丰富的策略开发及编写经验.


    Le Chiffre,Krange自适应策略原创、超级趋势线系列开发者,为松鼠提供20+

原创策略源码,内容包括期货领域的时序+横截面策略,股票领域的多因子与ETF轮动策略,比特币领域的

现货轮动定投策略。多年根植于量化、宏观研究领域,七禾网日常实盘跟踪的理论+实战派,

分享多篇宏观对于比特币的驱动和相关关系,后续继续根植于宏观研究,增加宏观对于量化领域大势判断。

高股息多因子策略

图片

小市值与价值多因子策略

图片






松鼠Quant|股票社群内容

图片
图片

01

多因子框架开发与研究






多因子框架的定义和原理:

多因子框架的基本概念,即利用多个因子(如估值、成长、质量等)来评估股票的投资价值。解释多因子框架的原理,即通过综合考量多个因子的影响,来更准确地识别投资机会和优劣势。

在投资研究中,我们更加关注因子的特性,因为清晰的特性能够帮助我们更有效地运用因子进行交易。虽然回测能够模拟市场的细节,比如佣金、滑点、资产流动性等,为算法在实际交易中的表现提供了逼真的预测,但它无法评估因子本身的特征和质量。当回测结果良好时,我们知道因子包含超额收益,但我们却不清楚如何设置参数来最大化这些超额收益。而当回测结果不佳时,我们对因子缺乏理解,无法确定是参数设置不当还是因子本身存在问题。


在这里我们提供了3个版本因子框架:

a.简化快速版因子框架分析,

b.Alphalens工具使用版本,

c. 机器学习因子分析框架版本。


如下图所示:






图片
图片

A

简化快速版因子框架分析

图片
图片
图片


单调性检验

图片
图片


IC值相关系数矩阵与因子筛选

图片

简化版本的因子分析框架,快速过滤初筛与后续迭代。主要内容有:ic、ir、半衰、单调等。

图片
图片

B

Alphalens工具使用版本

1. 因子收益

因子收益部分包括了因子分组超额收益分布直方图和琴型图、因子的累计收益曲线、超额收益曲线、因子加权收益、因子收益分布琴型图,因子spread 等结果。


2. 因子ic

因子IC 部分包括了因子IC 表、因子IC 时间序列、因子IC 分布图和QQ 图、因子IC 热力图等结果。


3. 因子换手

包括了因子分组平均换手率、因子换手率时间序列及因子排序自相关性等结果。


4. 因子分层单调、分布特征

因子分组平均超额收益随时间的关系及每组超额收益随时间的分布特征


如下示意图所示:

图片
图片
图片

虽然alphalens包是一个多年并未更新的包(2023年更新过一个alphalens-reloaded)但是里面的内容其实已经完全足够今天使用的。唯一麻烦的地方在于,不能使用太新的其他版本包进行,这里我们也都踩过坑进行了相关测试。

图片
图片

C

机器学习因子分析框架版本

1. 构建单因子测试的模块化架构设计。

2. 实现行情数据和因子数据的提取、清洗与特征工程。

3. 应用多进程并行计算提升回测运算效率。

4. 搭建核心回测模块,通过设计函数封装实现策略调用。

5. 开发绩效统计模块,构建投资绩效指标的计算与评估。


大致内容,如下图所示:

图片

风险评价指标部分代码截图

图片

单因子回测,线性回归模型,部分代码截图

最后在与慕总沟通中,我们决定既然有了因子框架,那么势必需要增加对因子的研究。于是,在本模块内容中,我们增加了因子挖掘实战,包括人工+机器。主要内容如下:


1. 北向资金流因子、个股资金流因子

2. 因子平稳性和多重共线性PCA等深度处理

3. Gplearn 挖掘因子,以及理论基础和代码实战

4. 在上述工作完成的基础上,我们会通过机器学习算法进行因子组合,例如:线性回归组合因子、分类树模型XGboost组合因子等。(待定)


总结:

在上述功能和内容我们分享完毕后,会进入到终极的机器学习策略构建。

图片
图片

02

基本面数据免费使用






加入松鼠Quant股票社群,我们将为社群粉丝提供免费的量价、财务、宏观数据


数据字段如下所示:

总计数据字段有100+,利润表、现金流量表、资产负债表等3大报表主要财务字段数据均有涉及。如下图所示:

图片

利润表与现金流量表部分财务数据字段截图


我们还为大家提供了相对全面的宏观数据表,货币:m1、m2、lpr、cpi、ppi等等大家经常看的数据,以及宏观研究大家会忽略但是很重要的数据,如:代表长短利率中枢的mlf和omo,该数据对国债利率影响最为直接。以及美国宏观数据,失业率、pce、ism等等。如下图所示:

图片

这些数据我们统统都会在该社群的第三个环节,宏观学习与研究领域进行使用和分析。目的就是通过宏观细微数据,事先掌握与跟踪放水的方向,而不是后知后觉跟风追涨。







图片
图片

03

宏观学习与研究






在2024年度中,我们将从宏观角度剖许

为什么疫情那么艰难时刻,反而全世界的股市、大宗以及数字货币涨上天?

为什么疫情后中国股市跌成狗,难道真的是因为经济不行吗?经济好的时候也是上涨的吗?

为什么美国降息股市涨,加息还能涨?

为什么日本股市走出了30年的阴霾,逐渐新高?

这统统都不是什么一个产业、一个k线形态、一个所谓的政策能够说清的,这背后有很多数不清道不尽的宏观因素变化,共同推动了行情的演绎。


在该模块内容中,我们不仅学习一些经典经济学理论与专题,例如:

《弗里德曼的货币思想:货币主义之谜与挑战》

《货币经济学演绎:由起源、制度至危机》

《新制度经济学探幽:填补经济学制度空白》

《发展经济学的奥秘:探寻经济增长的驱动力》

《滞胀的经济迷思:中国陷入滞胀的可能性?》


我们同样还要学习近些年大家都比较关注的经济解释,例如:

《供给侧改革之道:探索供给经济学的奥秘》

《智能时代下的失业困境:人工智能是否将是我们的终结者?》

《负债累累的世界:解读全球政府财政政策之谜》

《美元的困境:我们的货币,全球难题》

《十年转折点:揭秘日本、美国和中国的经济命运》








图片


最终我们学习这么多,目的就是学以致用,让我们在实际的投资交易中,能够先知先觉,争取尽量做第一批入场的人,而不是跟风抬轿子的人。


从股市投资来看

从股市投资来看,在2023过去这一年中,我多次在“期货俱乐部”中提到,大家一定要注意流动性,只有流动性才是直接驱动股市长期行情的唯一因素。如下图所示:

图片

而其中一个较为明显的流动性指标就是M1,不要问为什么,如果你心中第一反应是为什么,那么就需要加入“松鼠Quant股票社群”,在这里绝对会得到你满意的答案。在这里我不仅告诉你跟踪这个指标,还会告诉你底层逻辑,为什么这玩意儿比M2管用,因为在10多年前,股市实际上是跟踪M2的,时过境迁,很多事儿发生了改变。

图片


从比特币角度来看

从比特币角度来看,难道大家不会真的还以为这是纯炒作吧?那我只能说,年轻人还需要扩张眼界,中年人不能故步自封呀,如下图所示:

图片

从实体经济角度来分析,通过这部分的学习,你就能深刻明白,为什么全世界都受到疫情重创,美国可以率先经济复苏,而同样放水的中国经济却一蹶不振。除了不稳定预期政策以外,根据亚当斯密在《国富论》中所说,钱让市场的个体去支配,比政府或者一个人支配会更有效率。虽然美国制造很高的通胀,但是同样也让经济更有效的复苏。

当然这一点是千人千看,但是不可否认的是,美国经济的确复苏了,并且股市也新高了。反观中国我们需要走的路,任重而道远啊!!!

图片




图片

咨询详情

长按下方二维码

加客服“小松鼠-松鼠宽客”

图片

微信号: viquant01

对话框发送 股票社群   咨询加入


分享