Watch and track your favorite playlist.
Curated by: 工作姐博士在读 (157 videos)
### 你将学到什么 - 搞懂一个反直觉事实:低波动因子悄悄押了大盘——大盘股天生波动小,低波高分组平均市值明显大于全样本 - 学会从行情数据反推流通市值:流通市值=成交额÷换手率,用真实数据验证茅台1.95万亿、工行1.65万亿、天齐锂业581亿的数量级合理 - 掌握市值中性化的机制:把因子对log市值做横截面回归 y=α+β·log市值+ε,残差ε才是剔除了市值后的纯因子——在同一市值段里挑最稳的那只 - 建立『暴露卫生』的意识:你的因子总在不知不觉中携带隐藏的赌注,而每个暴露都有自己的周期风险,必须主动体检、主动剔除 - 诚实看待中性化的效果:它把因子本身改善了,但低波是防御因子,牛市里两个版本都跑不赢等权基准——这跟D73低波课的结论一致 ### 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. 反直觉的真相:低波因子悄悄押了大盘 2. 流通市值怎么来:成交额÷换手率的反推 3. 市值中性化的机制:回归取残差 4. 暴露卫生:你的因子总在偷偷下注 5. 诚实的结论:中性化改善因子,但救不了防御因子的牛市 ### 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