365天量化课程

Currently Playing: 365天量化金融149：策略越测越显著，怎样排除假信号

━━━━━━━━━━━━━━━━━━ 系统学习 · 知识星球 ━━━━━━━━━━━━━━━━━━ 在知识星球搜「工作姐博士在读」，年费会员 2880 元／年。 三个专栏更新中： 　· 365 天量化金融 　· 入门量化 30 讲 　· 因子实验室 均含完整代码、数据、课件与专业答疑。 ━━━━━━━━━━━━━━━━━━ 1. 策略越测越显著，怎样排除假信号 | Multiple Testing | D149 2. 测太多策略，显著结果会掺多少水 | Multiple Testing | D149 3. 多次检验怎么校正，别只会抬门槛 | Multiple Testing | D149 4. 给检验结果排个序，怎样少漏信号 | Multiple Testing | D149 5. 显著性过关，就能拿来挑策略吗 | Multiple Testing | D149 ### 你将学到什么 - 理解「显著性通胀」:检验做得越多,纯运气过线的越多,期望误报 = 门槛 × 检验次数 - 会算 Bonferroni 校正:门槛除以检验次数,以及它的代价 —— 错杀大约三分之二的真信号 - 掌握 BH 假发现率控制的排序算法:p 值排序、跟斜线 q×名次÷总数比、找最后一个下方点 - 理解 FDR 的含义:控制的是「放行名单里假发现的比例」,不是每一条各自的出错概率 - 会用三场景对照评估一个门槛:真实面板留多少、纯噪声冤枉多少、埋信号抓回多少 - 知道校正门槛的边界:它是闸门不是筛子 —— 按显著性排名挑策略,样本外还不如全等权 - 认识「资产选择器」陷阱的第三次出现:FDR 放行名单会被低波动资产占领 ### 课程特色 - 真实美股/A 股数据实战 - 可运行的 Python 代码 - 华尔街从业者视角:量化研究员的核心日常 - 主战场 A 股,也讲港股/美股/加密策略 - 配套 PDF 课件、视频、Notebook 三件套 ### 适合人群 - 想从主观交易转量化的个人投资者 - 对量化投资感兴趣的金融专业学生 - 想从数据科学转向量化金融的工程师 - 希望系统学习量化方法的策略爱好者 ### 课程大纲 本节课内容概要: 1. 显著性通胀:测得越多,运气过线的越多 2. Bonferroni:最简单的抬法,和它的代价 3. BH 排序法:一条斜线,5 步走完 4. 三场景大考:真实面板、纯噪声、埋真信号 5. 名单构成:测谎仪管不了「资产还是策略」 6. 诚实边界:闸门不是筛子 ### 配套资料 购买后你将获得: 1. 环境安装教学视频 2. 配套课件 3. Python 源代码