实习思考
实习思考
前言
本文用来记录我在第一段量化实习中的思考，以及由此产生的关于学习方向的灵感。
update：2024-1-16
00:10:57，最近和带教老师还有机器学习组的同事交流了一下，感觉量化的底层就是将多个不同频率信号的合成为一个超因子，在这个过程之后再基于金融、经济学的先验知识，对这个因子做风格、行业、换手率等方面的约束，信号合成才是关键。
一、对于整体
“量化投资始终坚持以基本面为核心，同时结合价量信息的方式，立足从投资的本源看问题，以长期有效的逻辑出发构建基础框架，再与交易逻辑相融合。无论是基本面还是价量，对每一类信息都会深挖背后的逻辑与含义，在此基础上，采用传统数学建模与领先的人工智能和机器学习技术结合的方式，不断随着市场结构与交易行为进行优化迭代。”
1.是如何将基本面因子与量价因子结合的，使用有效前沿吗？
2.交易逻辑+基础框架，是指因子组合之后划分为某个风格框架吗？
3.因子表现较好的作为多因子框架的因子，表现较差的作为机器学习模型的因子吗？这两者是如何结合的呢，也是划分为某个风格的吗？如何判断市场结构和交易行为，这是涉及到根据微观 ...
实习中的idea
1.如何根据市场交易规则（最小交易单位）来执行计算出的交易信号。
(考虑交易手数的话，需要解一个以最小化持仓误差为目标函数的、以总资金为硬约束的整数线性规划问题)
2.利用alpha值生成持仓信号
在利用经过行业市值中性化、过滤掉涨跌停的final alpha
values计算对应的持仓比例、多空持仓情况时，可以考虑使用power rank。
def cal_cs_rank(x, maxvalue=None,minvalue=None):
'''
部分经过删除处理
'''
res = np_nan_array(shape = (x.shape[0],), dtype="float64")
res = (res - np.nanmin(res)) / (np.nanmax(res) - np.nanmin(res)) * (maxvalue - minvalue) + minvalue
return res
具体是把因子先利用rank函数展成(-1,1)的均匀分布形式，再根据对于头部权重的考虑，对展开后的值取3次方、5次方。 ...
搭建个人blog的资源&遇到的问题及其解决方法
用来记录自己学习搭建个人blog的资料&遇到的问题及其解决方法
学习资料
Hexo+阿里云&GitHub
搭建个人博客 | 海拥 (haiyong.site)
https://www.fomal.cc/posts/e593433d.html 主题：Butterfly Butterfly
安裝文檔(三) 主題配置-1 | Butterfly
目前遇到的问题
图挂了
image-20230917220037303
解决方法：要使用相对路径“./搭建个人blog的资源-遇到的问题及其解决方法/image-20230917220037303.png”
目录是乱的
解决方法：直接删除手动加上的数字，“# ##”会自动排序
在多台电脑之间使用Git进行数据同步时因为proxy问题报错
出现
fatal: unable to access 'XXX': Recv failure: Connection was reset
解决办法：
依次将如下两条语句复制到git中后，点击回车
git config --globa ...