课程金融量化中的机器学习 · 机器学习理论
Alpha 信号与特征工程:标注、元标注与信号衰减
钩子:五十条弱 alpha 与一个总组合 你在一家中证500 中频量化私募(private fund)工作。研究团队在过去六个月里训练出了五十条独立的 ML alpha:有用 LightGBM 在 沪深300 / 中证500 因子风格暴露上做次日 alpha 的,有 1 D CNN 在分钟线上做日内动量(momentum)的,有 Transformer 在卖...
打开 →找到 21 个结果
中文题目课程树模型与核方法 · 机器学习理论
Bagging 与随机森林
周五午盘，一家 50 亿规模的 CN 私募把一份沪深300 alpha 数据甩到你工位:30 个特征、日频次日超额收益作标签。上一课那棵深度 15 的 CART 树样本内方向准确率 100%、样本外只有 51%——比抛硬币好不了多少，Sharpe 几乎为零。你把它换成 500 棵在 bootstrap 样本上独立训练的深树取平均，样本外跳到 57%。这一跳，...
打开 →课程监督学习基础 · 机器学习理论
偏差-方差分解与泛化
偏差 方差分解与泛化 Hook：周一的因子复盘 上海某私募的因子研究员周一收到了风控的复盘邮件。他原本用 6 个 Barra 风格因子在沪深300 成份股上做截面回归预测次日超额收益,样本内 公式,模型经理觉得「不够性感」。一周后他把因子从 6 个铺到 36 个——叠加了 28 个行业哑变量、过去 30 日动量分位、几个高频微观结构特征——样本内 公式 一跃...
打开 →课程树模型与核方法 · 机器学习理论
决策树:CART、不纯度准则与剪枝
周一早盘九点二十,你接手了离职同事留下的 alpha 模型——一棵深度 15 的 CART(Classification and Regression Tree, CART)树,在三年 沪深300 成分股日度面板上训练,特征是动量、价值、质量、低波、5 日收益、20 日波动率、换手率等 12 个变量,目标是预测下一日超额收益方向(涨/跌)。样本内训练精度 1...
打开 →课程监督学习基础 · 机器学习理论
分类损失与 Logistic 回归
分类损失与 Logistic 回归 Hook：二元跑赢信号 上海某私募的因子研究员把上一节的 5 因子载荷在沪深300 全样本上重新拟过一遍,现在 PM 把问题反过来问:「不要预测下月超额收益率,直接给我一个『这只票下月跑赢沪深300 的概率』。」目标变量从连续的 公式 收缩成二值的 公式,这条信号要直接驱动一个多空叠加层(long/short overla...
打开 →课程神经网络 · 机器学习理论
前馈神经网络作为函数逼近器
开篇场景 (Hook)：Ridge 之外，还有什么 上海一家私募的初级量化研究员陈晨把过去 36 个月沪深300（CSI 300）成分股的 30 列因子拼成一张面板：价值、动量、低波、质量、规模、换手、分析师修正等等，每月做一次截面回归，标签是下月超额收益。她用岭回归（ridge regression）跑了一遍 5 折交叉验证，OOS 上的 公式 只有 0....
打开 →课程神经网络 · 机器学习理论
反向传播与自动微分
反向传播与自动微分 Hook：四分钟一步的梯度 你刚加入一家以沪深300 alpha 为主力的私募（private fund），上手第一件事是把上一课那张 5 层、宽度 128 的多层感知机（multi layer perceptron, MLP）跑通——目标是用一个标准的 Barra 因子模型（factor model）的截面特征去拟合 公式，本质上是在学...
打开 →课程无监督学习与强化学习 · 机器学习理论
强化学习基础:马尔可夫决策过程与贝尔曼方程
强化学习基础:马尔可夫决策过程与贝尔曼方程 Hook:30 分钟,100 张 IF 主力合约 周三 14:30,你在一家中型私募负责股指期货 CTA 产品。组合调仓信号刚切换,系统要在收盘前 30 分钟里把 CFFEX 的 IF2406 主力合约(沪深300 股指期货)多头持仓从 100 张减到 0。一次甩出 100 张市价单,冲击成本(market imp...
打开 →课程金融量化中的机器学习 · 机器学习理论
机器学习用于执行与对冲:Almgren-Chriss 与深度对冲
钩子:一笔 5000 手的 IF 单与一个等待你的 4 小时 周二上午 10:00,你的私募(private fund)风控屏上闪着一个标红:旗下中证500 多因子产品需要在午盘后到收盘前,把一个 5000 手的 CFFEX IF(沪深300 股指期货, stock index future)空头头寸全部减仓。合约乘数 ¥300/点,IF 当前 3,520 ...
打开 →课程树模型与核方法 · 机器学习理论
核方法与支持向量机
周一开盘前一小时,你坐在上海一家中型私募基金(private fund)的研究室。投研经理把一张 CSV 推到桌上:沪深300 成分股 300 只,每只配 15 维因子向量(PE、PB、12 个月动量、20 日波动率、换手率、分析师上调比例),本质上是一张轻量级因子模型(factor model)输入表;标签 公式 表示下月相对指数 outperform /...
打开 →课程树模型与核方法 · 机器学习理论
梯度提升与 XGBoost / LightGBM
上海某私募的因子研究员把上一节的 500 棵随机森林训完,沪深300 + 中证500 上的样本外准确率 57%——比单棵深树的 51% 上了 6 个点。她把 max features 从 sqrt(p) 调到 p/3、把树数加到 2000,准确率纹丝不动停在 57.2%——bagging 的方差红利已经吃干净了。PM 在因子复盘会上一句话:「方差降到底了,把...
打开 →课程监督学习基础 · 机器学习理论
正则化与模型选择
正则化与模型选择 Hook：一次「翻牌」事件 你在上海一家私募基金负责沪深300 选股策略。上周你按第 3 课的做法，用普通最小二乘（ordinary least squares, OLS）把 5 个 Barra 风格因子——估值、质量、动量、规模、低波动——回归到下一期超额收益上，得到一组 公式。这周把估计窗口前移 5 个交易日重跑，价值因子载荷从 公式 ...
打开 →课程神经网络 · 机器学习理论
深度网络的训练:优化与正则化
Hook:周三晚上的训练日志 上海一家中等规模私募的初级量化研究员小陈,把上一课刚学会的反向传播搬到了沪深300 选股因子模型(factor model)的 alpha 预测上。模型是一个深度 5、宽度 256 的多层感知机(multi layer perceptron, MLP),约 33 万参数,输入是 60 个标准化后的截面风格因子,标签是次日截面超额...
打开 →课程金融量化中的机器学习 · 机器学习理论
生产部署、模型治理与基础模型前沿
钩子:连续八周下跌的明星 alpha 2023 年 2 月最后一个周五下午,你在一家私募(private fund)做模型风险(MRM)。屏幕上挂着上一年表现最好的策略:中证500 全量股票的 LightGBM 多因子模型,2022 年 Q3 经净化 CPCV 验证,样本外中位夏普(Sharpe ratio)1.5;2022 年 Q4 通过影子交易上线;20...
打开 →课程无监督学习与强化学习 · 机器学习理论
策略梯度与深度强化学习
策略梯度与深度强化学习 开篇场景：表格放不下的盘口 周三盘后，上海一家头部 私募 的初级量化把成果摊给组长：CFFEX 上 沪深300 股指期货 日内大单切片，建成 144 个离散状态的 MDP，跑通了表格 Q 学习，比 TWAP 省了约 2bp 的 实施差额（implementation shortfall）。组长翻两页就皱眉：「线上要吃 5 档盘口 + ...
打开 →课程监督学习基础 · 机器学习理论
线性回归作为监督学习的基线
线性回归作为监督学习的基线 Hook：周二早会的 OLS 提问 周二早会上，你向一家头部私募（private fund）的 PM 汇报上周的因子归因。你用沪深300 成份股过去 60 个交易日的横截面数据，对 5 个 Barra 风格因子——市值、估值、动量、质量、低波动——跑了一次普通最小二乘（ordinary least squares, OLS），这是...
打开 →课程神经网络 · 机器学习理论
结构化数据的架构:CNN、RNN 与 Transformer
结构化数据的架构:CNN、RNN 与 Transformer Hook:三次翻倍的 OOS R² 某上海私募的小张盯着屏幕,样本外曲线又一次贴着零线晃。他在沪深300 成份股上做日内分钟收益预测,输入是过去 60 根 1 分钟 OHLCV(open / high / low / close / volume)五通道、共 300 维向量,模型是上一课刚训完的深...
打开 →课程监督学习基础 · 机器学习理论
统计学习框架：损失、风险与经验风险最小化
统计学习框架：损失、风险与经验风险最小化 开篇场景（Hook）：下月信号要不要照搬 上海一家私募的量化研究员把过去三年沪深300（CSI 300）成分股的月度超额收益（excess return）整理成一张表：每一行是一只股票在某月的 公式，公式 是当月末的因子向量（规模、价值、动量、低波），公式 是下月的超额收益。她准备在这张大约一万行的样本里挑一个预测器...
打开 →课程无监督学习与强化学习 · 机器学习理论
聚类与密度估计
Hook:5 年沪深300 日收益,你能不能贴出「风险开关」标签 上海某私募的初级量化研究员张昊把过去 5 年的沪深300 日收益拉成一张表——列是 20 日已实现波动率(realized volatility)、申万一级行业截面收益离散度(cross sectional dispersion)、60 日市值加权平均成对相关,1,200 多个交易日。组长甩话...
打开 →课程金融量化中的机器学习 · 机器学习理论
金融机器学习的陷阱与验证:净化交叉验证与多重检验
金融机器学习的陷阱与验证:净化交叉验证与多重检验 钩子:在 Sharpe 2.5 面前下班的那位实习生 周三下午,某沪深300 多因子私募基金(private fund)的研究室。一位刚从海外回来的实习生把笔记本电脑转过来给你看:XGBoost、5 折交叉验证、特征包括过去 5 日收益、20 日 RSI、北向资金净流入、卖方分析师评级修订,因子模型层面用 F...
打开 →课程无监督学习与强化学习 · 机器学习理论
降维与表示学习
Hook：没有 Barra 许可证的统计风险模型 周二早上，某中型多空对冲私募给初级量化研究员的任务：周五交一套「统计风险模型」——把沪深300 成分股最近 1000 个交易日的日度收益拆成几个共同因子加特异噪声，做成数据驱动的因子模型（factor model）。没有 Barra 模型（Barra model）授权，基本面数据要月底涨价，只有 1000×3...
打开 →