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

导语

本文介绍如何对一个回测结果进行深入分析。

新建一个可视化AI策略

我们先构建一个可视化AI策略，如下所示。

回测结果

回测结果一般指策略运行完毕之后输出的能够综合反映策略效果的综合图表，如下所示：

可以看出，回测结果包括收益概括、交易详情、每日持仓、

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

导语

本文旨在向读者介绍Alpha的相关基本概念，以及寻找和检验Alpha的主要流程和方法。在上篇中我们梳理了 WorldQuant经典读本FindingAlphas的概要以及WebSim的使用，在下篇中我们会介绍相关方法在BigQuant平台上的实现。

初识Alpha

什么是Alpha?

WorldQuant中提及的alpha是一个数学表达式，用来预测各种金融工具的未来走势。alpha同时也是对每种金融证券收益率的预测。如果用alpha反映每日每种金融证券收益率，同时每种金融证券的配置头寸比例与alpha成正比，则组合的回报率与标准差之比(也称为α的信息比率)可

问题

如何利用滚动回测进行策略开发和因子挖掘？

视频

[https://www.bilibili.com/video/BV1Gr4y177FR?share_source=copy_web&vd_source=2e7dc1240ea373ea6eba1134af8dd086](https://www.bilibili.com/video/BV1Gr4y177FR?share_source=copy_web&vd_source=2

https://bigquant.com/experimentshare/887354a18288489e9bb5d65923da8e9b

\

{{membership}}

https://bigquant.com/codeshare/37d36e41-2184-4342-b581-9561f199eeec

\

2021年4月22日Q1&Q2问题：

策略案例

https://bigquant.com/experimentshare/d50c07db9f7f45168dd745027c04b6d8

\

阿尔法（Alpha）是衡量投资表现的金融指标，用于评估一项投资的表现是否超过了市场基准。在投资管理中，阿尔法代表了在考虑了市场波动性和投资风险后，投资相对于基准指数（如标准普尔500指数）的超额回报。BigQuant的金融市场数据因子平台以及AI量化策略平台（PC端），可以验证alpha阿尔法因子组成的AI量化策略效果。

![](/wiki/api/attachments.redirect?id=94

旧版声明

本文为旧版实现，仅供学习参考。

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

预计算因子表[数据平台] https://bigquant.com/data/datasources/cn_stock_prefactors

https://bigquant.com/wiki/doc/dai-PLSbc1SbZX

[ht

旧版声明

本文为旧版实现，仅供学习参考。

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

策略案例

https://bigquant.com/experimentshare/72d5601550164505aad979f7265f8fec

\

1.引言

在学术研究中，Alpha是数学表达式、计算机源代码和配置参数的组合，可以与历史数据一起用于预测各种金融工具的未来走势。而在实践中，Alpha通常意味着进行交易的合理“预期回报”。两者并不一定相同。许多情况下，能够带来合理“预期回报”的Alpha并不容易构建，因此，对于Alpha的挖掘和公式化的研究始终是业界的一个重要课题。在这样的背景下，世坤（WorldQuant）于2015年发布了报告101 Formulaic Alphas。在这篇报告中，世坤提供了101个真实生活中的量化交易Alpha的明确公式（这些也可以看作是计算机代码）。虽然其中的一些模型较为复杂，但世坤设

https://bigquant.com/experimentshare/5277de40609d4fffa7bbe6df2e5b1231

\

策略案例

https://bigquant.com/experimentshare/9426627188af4f488644532c01328c14

\

报告摘要

主要观点

本篇是“学海拾珠”系列第二十二篇，本期推荐的海外文献研究了基金Alpha与协偏度对基金收益的影响。

• Alpha和协偏度之间存在权衡关系

文献认为，基金的协偏度也是重要的业绩评价指标，在基金的横截面收益中，CAPM Alpha和协偏度之间存在此消彼长的权衡关系：具有较高Alpha基金的协偏度较低（较差），反之亦然。

研究基金产生Alpha的不同投资活动后发现，协偏度与市场择时相关的投资活动正相关，与选股相关的投资活动负相关。而在基金的横截面收益中，后一种效应（选股）占主导地位，因此，基金在追求Alpha时往往会产生不良的协偏

摘要

文献来源：[1] Jacobsen, Brian, Wai Lee, and Chao Ma. "The Alpha, Beta, and Sigma of ESG: Better Beta, Additional Alpha?." The Journal of Portfolio Management 45.6 (2019): 6-15.

推荐原因：投资者不再将投资作为统计对象，使其组成最优投资组合，而是越来越关注在环境、社会和公司治理(ESG)维度的投资。分析师过去是以定性的方式评估这些维度，但许多数据提供商正试图对这些维度进行评分，从而有效地量化定性的

摘要

文献来源：Jennifer Bender, Jerry Le Sun and Rick Thomas, Asset Allocation vs. Factor Allocation – Can We Build a Unified Method?[J] The Journal of Portfolio Management, 2018, 45 (2) 9-22

推荐原因：近60年间，股票和债券等资产一直是多元化投资组合的主要基石。长期以来，投资者普遍认为，对不同类别的资产进行分散投资足以为组合带来多元化投资的裨益，但近期在市场大幅下挫过程中，对不同类别资产进行分散投

正文

/wiki/static/upload/25/259b1aaa-df16-4ed2-abd6-8ad67bba7fb7.pdf

\

\

正文

/wiki/static/upload/cc/ccdb74be-b863-4da3-8f49-1f6faa26c18e.pdf

\

涉及国内主要品种的不同的频率的回测与交易

\

AI量化策略快速理解

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

导语：本文介绍如何对一个回测结果进行深入分析。

策略案例

我们先看一个AI策略，以下是完整的策略代码。

https://bigquant.com/experimentshare/eb2f4ca3f7c0474c95341ae1202cac0f

\

概览：朝阳永续盈利预测数据库介绍

从报告内容上来讲，一篇典型的个股深度报告至少应该包含盈利预测、分析师评级、目标价三个方面

尽管近几年来券商分析师及研究员的数量在不断走高，但分析师覆盖的公司从绝对数量和相对占比上都呈现出明显的下降趋势

困境：一致预期因子近年相继回撤

传统来讲对于一致预期数据处理可以分为因子选股和事件驱动两个部分。我们将一致预期因子划分为目标收益类、估值类、盈利类、成长类，回测发现除目标收益类数据仍有稳定的超额收益，其余类别的因子在近年均出现了一定程度的回撤。

破 解：从事件驱动角度看分析师上调事件

由于分析师研究报告的发布更多地能够提升投资

外资持股偏好与公募基金抱团近年来，随着资本市场的逐步开放，A股市场机构投资者占比不断提升，机构资金的话语权和定价权也越来越高，“价值投资”概念越来越受关注。

从北上资金持股及公募基金重仓股组合的风格因子暴露来看，机构资金更偏向于大市值、高动量、高估值的股票，且其在基本面因子上的暴露程度普遍更高。

质量因子的定义国外方面，Asness（2019）从盈利性、成长性、安全性及偿付能力四个方面出发，构建了一套较为完善的质量因子体系，是当前学术界和业界参考的主要标准。

国内方面，中证指数公司编制的质量指数相较基准并未展现出良好的超额表现。这也进一步提醒我们，在进行质量指数的编制之前，必须先确认