Watch and track your favorite playlist.
Curated by: 工作姐博士在读 (157 videos)
### 你将学到什么 - 掌握挖因子的完整5 步流程:提假设→造因子→检验→中性化→写成可复用函数,这是职业量化研究员的标准动作。 - 学会从经济直觉提假设:非流动性溢价——越难卖的股票流动性风险越大,要用更高预期收益补偿,这是有经济学根基的假设,不是数据挖出来的巧合。 - 会造 Amihud 非流动性指标:20 日均值,衡量一笔钱能把价格推动多少,越大越难卖;并封装成可复用的因子函数。 - 看懂'惊艳但可疑'的检验结果:原始 Amihud 因子 ICIR 高达 1.16、多空夏普 1.37,五分位从易卖到难卖收益一档比一档高——数据太漂亮时反而要警惕。 - 掌握中性化这把照妖镜:Amihud 和市值秩相关高达负 0.71,做市值中性化后 ICIR 从 1.16 崩到 0.38、多空夏普从 1.37 崩到负 0.12,原来九成是小市值马甲——不中性化,新因子往往只是已知因子的影子。 ### 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 - 想从主观炒股转量化的散户 - 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 - 散户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. 挖因子的完整5 步:研究员的标准动作 2. 第一步提假设:非流动性溢价的经济逻辑 3. 第2 步造因子:Amihud 非流动性指标 4. 第3 步检验:惊艳的结果与该有的警觉 5. 第4 步中性化:照妖镜,验明因子正身 6. 第5 步写成可复用函数 + 挖因子的诚实 ### 配套资料，小红书|B站|知识星球 @工作姐博士在读 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