Watch and track your favorite playlist.
Curated by: 工作姐博士在读 (157 videos)
### 你将学到什么 - 搞懂为什么要标准化:不同因子量纲差几个数量级,不放到同一把尺子上,加权和合成都会被数值大的因子绑架 - 掌握三种标准化:z-score、winsorize、rank的原理和各自的软肋 - 想通一个反直觉点:只选前几名时 z-score 和 rank 给同样的票,差别只在按值加权和多因子合成的场景 - 认清A股肥尾的杀伤力:裸 z-score 会被一两只极端票撑大标准差、抢走巨额权重,winsorize 和 rank 能摁住 - 分清横截面标准化和时序标准化 ### 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. 为什么必须标准化:量纲不统一,加权和合成全失真 2. z-score:减均值除标准差,连续但怕肥尾 3. winsorize 截尾:先把极端值拉回来,再标准化 4. rank 排名标准化:只认名次,天生抗异常值 5. 横截面 vs 时序:两种 z-score,千 万别用反 ### 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