找制作网站公司,个人开发app去哪里接广告,电脑上做网站,简单的html网页曾经我也是零基础小白#xff0c;题主想走的路#xff0c;我已经走过啦#xff5e;作为一名CFA持证人和管理因子投资的量化策略的投资组合经理#xff0c;我把这些年积累的干货跟大家分享。
量化投资是金融学的一部分#xff0c;量化投资#xff08;跟量化交易的概念有部…曾经我也是零基础小白题主想走的路我已经走过啦作为一名CFA持证人和管理因子投资的量化策略的投资组合经理我把这些年积累的干货跟大家分享。
量化投资是金融学的一部分量化投资跟量化交易的概念有部分重合需要进行数据分析而常见的工具是R或者Python。R正在逐渐被Python代替如果是零基础的同学建议直接学Python就可以了。
下面我就再用量化投资中最受欢迎的因子投资为例搭建一个量化投资的框架哪里需要数据分析、哪里需要金融学、哪里需要Python的知识希望大家能在框架中找到它们各自的位置。其中金融学和数据分析的知识是血肉Python技能是骨架没有骨架再好的血肉也是立不起来。因此Python的学习贯穿量化投资的过程。
因子投资Factor Investing也叫做聪明的贝塔Smart Beta是量化投资领域非常受欢迎的重要分支。目前市场上共有1.8万亿美元的资金投资于因子投资的模型中。因子投资用简单的白话说就是通过找到决定股票收益高低的“因子因素”来进行投资。搭建一个因子投资的模型需要完成以下流程收集数据——数据分析——模型训练——检验回测业绩——调整模型。 一、收集数据
目前股票市场上提供财务数据的数据库有很多但最常用的是针对A股市场的Wind数据库和针对美股市场的Bloomberg数据库。如果我们分析某只股票可以通过登陆Wind或者Bloomberg终端进行信息检索和数据收集但量化投资需要海量的财务数据通过终端查询不可能实现通过Excel表格的插件也费事费力。最有效率的获取数据方法是通过数据库的Python插件。
以Wind为例在Python中输入以下代码
import pandas as pd
from WindPy import w
w.start()使用Python获取数据库的数据比Excel省事很多不仅速度快数据分析时也不用再读取Excel文件了。这里的免费课程覆盖了Python的重要语法在通过案例学习语法的过程中自然而然的会学习金融、数据分析的知识。大家先领取再往下看文章。
Python 量化技能入门必备语法入门四大实战案例
0.00立即领取
二、数据分析
拿到财务数据后我们要做的第一步就是进行数据清理其中包括了缺失值处理、极值处理、数据转换、数据可视化。这些步骤需要处理大量的数据Python会让我们事半功倍。
1缺失值处理。 缺失的数据会影响模型的准确度如果一个指标的缺失数据达到了20%以上我们就要考虑是否应该将该指标排除在外。比如我们想要通过学生的模拟考试成绩预测高考成绩但一半的学生都没有参加模拟考那还怎么预测呢一般情况下缺失值不是太多我们会替换成平均数或者中位数。
2极值处理。 极值顾名思义就是指特别大或者特别小的数这个数混在数据里会影响我们对数据情况的判断。比如一个小公司的员工都只领几千块钱的薪水而CEO领几千万元的薪水公司的平均薪资都达到十几万了显然平均数不能正确反映员工的工资水平这时CEO的薪水就应该作为极值被排除在外。量化投资中最常用的极值处理方法是Winsorization这在Python中也很容易实现。
3数据转换。 我们分析数据的目的是要获取数据中隐藏的信息这个过程就像破案一样要抽丝剥茧。很多时候数据要符合一定的样子才能吐露信息比如在线性回归模型中自变量应该服从正态分布。这时候我们需要将原始数据变成期望中的样子这个过程就叫做数据转换。量化投资中我们会将数据标准化、正态化、取Log等等。
4数据可视化。 “A picture is like a thousand words一图顶万言。画图能帮助我们更好的了解手中的数据。Python在数据可视化这方面比R更加灵活、领先比如Clustering的可视化关于分布的Histogram图片。
从使用者的角度Python的语言更直白图片更好看。如果大家向领导汇报相信Python会比R更能让领导“赏心悦目”。
三、模型训练
量化投资的模型可以分成两大类回归类regression和分类类classification 。这两类都是监督学习的模型最常见的回归模型就是线性回归也就是多元一次方程式最常见的分类模型就是二叉树模型。
因子投资的基础模型是线性回归我们将收集到的时间序列数据或者横截面数据代入线性回归模型中。
ExpectedReturnAlphaBeta1∗Factor1ValueBeta2∗Factor2Value…Betan∗FactornValueerrorterm
当因子太多也就是线性回归模型中的自变量太多时自变量之间可能存在相关关系互相影响从而降低模型的准确度。这时我们可以用脊回归模型或者LASSO来进行自变量的权重调整或挑选。这些模型都可以用Python相应的Package完成。
线性回归模型简单且强大。但实际上市场中很多因素对股价的影响并不是线性的我们如何能找到非线性的模型呢答案就是决策树。随着技术的发展更聪明的模型被引入到量化投资中除了简单的回归我们还可以将模型设计成决策树或者神经网络。决策树算法采用树形结构使用层层推理来实现最终的分类。决策树又叫二叉树是因为每个推理节点都会分成“是”和“否”两个分支。比如银行决定是否向个人发放贷款简单的决策树模型如下图。 简单的决策树模型虽然没有线性的强制假设但也不能代表股票市场真实发生的情况我们可以将模型变为Random ForestBagging或者Boosting。
但有的时候市场不是只有“是”和“否”两个答案。如果再引入更加聪明的模型我们可以用神经网络模型nerual network。神经网络是模拟人类大脑处理信息方式的简化模型它通过模拟大脑的多层感知对输入信息的反馈过程决进行隐藏层每个信息对最终预测结果的影响都是多元化的。 这些模型的搭建工具是Python各个模型对应的Package都可以在网上搜索到。
四、检测回测业绩和调整模型
当我们训练出一个模型后需要用真实的历史数据检测该模型在历史上是否有效。回测结果非常重要如果回测结果不好那这个模型基本要被推翻重建如果回测结果好我们也不能掉以轻心因为回测的结果好不代表现在用着也好。有很多模型放到真实世界里就失效了。要搭建一个有效的量化投资模型需要我们不停的检测、调整。
检测模型是否有效还需要分析一些统计学指标比如R SquareT-Statistic。我们还可以用一些统计学方法来检测每个自变量我们向模型输入的能影响股票价格的指标的重要性从而决定是否要放弃某些指标或者寻找其他类似指标。如果是回归模型可以使用Stepwise Selection如果是决策树模型可以使用Feature Selection方法。
工欲善其事必先利其器。Python等编程语言是量化投资的工具如果不会使用工具再好的策略也只是纸上谈兵落不到实处。因此掌握Python是量化投资的基础下面的课程会系统的帮助我们了解Python在量化投资中的应用最重要的是它免费感兴趣的朋友赶紧薅羊毛薅起来吧
结语
当然好的模型不仅在于“型”更在于输入的数据是什么。如果我们对股票市场缺乏了解不知道什么因素能影响股票的价格那么再好的模型也无法预测未来的股票收益因为你让模型吃进去的全是噪音数据模型无法提取到信息正所谓“Garbage InGarbage Out”。金融知识在这里就展示出了它的重要性。量化投资的重点仍然在“投资”量化只是实现投资的方式领域知识非常重要。毕竟我们的目标是成为会写程序的投资者而不是只会写程序的门外汉。
如果你对Python感兴趣的话可以试试我整理的这份Python全套学习资料微信扫描下方二维码免费领取
包括Python永久使用安装包、Python web开发PythonPython数据分析人工智能、机器学习等学习教程。带你从零基础系统性的学好Python
零基础Python学习资源介绍
一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理形成各个领域的知识点汇总它的用处就在于你可以按照上面的知识点去找对应的学习资源保证自己学得较为全面。
二、Python学习软件
工欲善其事必先利其器。学习Python常用的开发软件都在这里了
三、Python入门学习视频
还有很多适合0基础入门的学习视频有了这些视频轻轻松松上手Python~
四、Python练习题
每节视频课后都有对应的练习题哦可以检验学习成果哈哈
五、Python实战案例
光学理论是没用的要学会跟着一起敲代码动手实操才能将自己的所学运用到实际当中去这时候可以搞点实战案例来学习。这份资料也包含在内的哈~
六、Python面试资料
我们学会了Python之后有了技能就可以出去找工作啦下面这些面试题是都来自阿里、腾讯、字节等一线互联网大厂并且有阿里大佬给出了权威的解答刷完这一套面试资料相信大家都能找到满意的工作。
七、资料领取
上述完整版Python全套学习资料已经上传CSDN官方需要的小伙伴可自行微信扫描下方CSDN官方认证二维码输入“领取资料”免费领取
