选取了IC较高的因子后，如何合成一个策略，一般步骤是什么

在因子开发研究完之后，选取了|IC|较高的几个因子后，一般如何合成一个策略，即在工程方法论上的一般步骤是什么？比如应该如何选择哪些模型进行合成（树模型or深度学习模型，是否有规律），分别是否都必须在训练前进行特征工程的处理再训练（去极值、中性化去除相关性），比如是否需要探查各个因子的相关性（如果多个因子存在一定的相关性，一般相关度大于多少需要进行处理，是否需要逐对特征两两取残差）

\

“水中行舟”研报如何用dai的SQL方式来实现？

方正的==“水中行舟”研报==中提到“取市场上所有股票在当日“不分化时刻”的成交额序列

MeetUP直播答疑 时间：3月28日（周四）19:00 直播地址：B站（https://live.bilibili.com/21929948）

以下问题解答，对应源码请访问子目录， 本次MeetUP 直播答疑大纲如下：

\

一、因子分析中的行业因素

1. 如何构造板块因子或行业因子？
2. 行业间涨跌的相关性，对于行业的划分颗粒度和行业

在因子分析中加入行业、板块、或者其他类型的对股票分组的方式，有两种思考方式：

• 一种是直接将这种因素当作一种分组方式
• 一种是在因子分析中，不按照因子值进行分组，而是按照行业或板块进行分组，看因子值在这些组内的IC

\

1. 使用行业或板块将全市场股票分组

第一种研究方式就是将全市场股票，按照行业或者板块分组，研究每组的累计收益率，本质上来讲就是把行业或板块当作了因子

[https://bigquant.com/codeshare/2381cb8d-362e-425a-a24b-620c46555bf8](https://bigquant.com/codeshare/238

https://bigquant.com/codesharev2/015fed49-2b7a-46e0-b20a-a1b15e739164

\

策略案例

https://bigquant.com/experimentshare/5cfd9186208047518a995e4394ba1099

\

https://bigquant.com/experimentshare/c2cf252d64b7408a8071f4d78f52a5ea

\

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

{{membership}}

https://bigquant.com/codeshare/075d9454-cde6-4306-a113-84fcae5b3248

\

Step 1 导入相关包

import pandas as pd 
import numpy as np
import warnings
import empyrical
import dai
import bigcharts
warnings.filterwarnings('ignore')
from biglearning.api import tools as T
print('导入包完成!')

Step 2 读取因子数据、设置因子分析参数并进行因子数据预处理

params = {'gr

策略案例

https://bigquant.com/experimentshare/db77da51e66542a783b761bca71d9d4a

\

介绍

本贴主要分享东方证券金工部在Barra多因子结构风险模型上的研究思路、方法和成果,并持续更新…

下载链接：【https://pan.baidu.com/s/1ozOhYXLDTXl1zPE5jx9ytA】

Barra多因子结构风险模型投资流程入下：

预览

![{w:100}](/

摘要

当我们构建并回测了一个策略后，就需要对策略的历史业绩表现进行评价，这一过程也称为业绩归因。本文主要向大家介绍业绩归因中涉及到的主要内容和实现方法。

通常，策略业绩归因分为两大组成部分：收益归因和风险归因。从盈亏同源的角度而言，能够产生收益的因子一旦广为人知可能随时就会变为一个无利可图甚至波动剧烈的风险来源，因此收益与风险相生相伴。

正文

业绩归因重要性

通过业绩归因，我们可以更加清楚组合的收益与风险来源，进而知道这种获取超额收益的能力是否能够持续，也能够明白组合发生剧烈波动的原因，从而改进策略或进行策略比较。此外，

摘要

公众号遴选了各大期刊前沿论文，按照理解和提炼的方式为读者呈现每篇论文最精华的部分。QIML希望大家能够读到可以成长的量化文章，愿与你共同进步！

本期遴选论文 标题：FactorVAE: A Probabilistic Dynamic Factor Model Based on Variational Autoencoder for Predicting Cross-sectional Stock Returns

摘要

无监督学习方法简介

本篇报告将进行无监督学习方法的介绍。无监督学习方法包括分布估计、因子分析、主成分分析、聚类分析、关联规则和Google PageRank算法等，本文主要就常用方法分成两类：聚类和降维进行介绍

降维方法的应用

实践中，将降维思想运用得炉火纯青的是Barra风险模型。个股和个券都有几十、上百个指标可以辅助分析其收益风险特征，通过降维的方式，Barra提取出若干具有代表性的风险因子，找出了资产背后共同驱动因素，使用这些风险因子即可方便的进行绩效归因、组合风险控制等。降维的具体方法包括因子分析和主成分分析等。本文通过因子分析和主成分分析两种方法，

\

\

AI量化策略快速理解

https://bigquant.com/wiki/doc/celve-Uu3N6WbJNJ

单因子分析是量化投资中重要的一步，是对因子进行有效性、单调性相关的检验。因子通过一系列检验后才有机会进入因子池并据此构建量化策略进行投资。单因子分析一般分三步：因子构建、因子处理、因子分析，本文将基于平台对上述步骤进行详细讲解。

1. 因子构建

投资者根据已有的经验来构建因子，比如传统的量价因子和财务因子。本文将构建一个动量因子进行分析，具体公式如下：

                        factor = ( close_0  / mean( close_0, 44 )) - 1

该因子的意思是比较过去44日的股价均值和当期的股价，如果该值越大，则说

\

https://bigquant.com/experimentshare/28a454b6532144eb819a78efae160768

\

https://bigquant.com/experimentshare/7ef4687a8cff48c3a1e5960a493dc1e7

\

/wiki/static/upload/32/32df9f86-84af-416f-8426-7540afe85a32.pdf

\