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 →找到 8 个结果
English questions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 →课程回归与广义线性模型 · 统计推断
回归诊断、多重共线性与正则化
上海某私募的多因子研究员把过去 250 个交易日的沪深300 成分股横截面回归刚跑完——12 个风格因子,公式 达到 0.41,看着挺漂亮。可是把 5 月那一周的极端行情样本剔掉再跑一次,某个动量因子的系数从 公式 翻成 公式;再换一种风险因子的口径,价值因子又从显著变成不显著。模型「拟合得很好」却一推就倒——这正是前两课没有触及的现实: 普通最小二乘...
打开 →课程回测方法论 · 回测与执行
回测过拟合与统计验证
某周三 下午，上海 量化 私募 明汯 / 幻方 风格 的 投决会。研究员 上 来 一个 动量 策略：L1 引擎 是 事件驱动（干净）；L2 真实性 清单 每 一 项 都 过（PIT 数据、survivorship free 沪深300 股票池、下根 K 线 开盘 成交、双边 10 bps 成本、不 做 空）。报告 的 夏普比率 在 2014 2023 上 是...
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 →课程研究工作流程与纪律 · Alpha 研究
样本内/样本外与交叉验证
一位 五十亿 规模 私募 多 策略 基金 的 初级 研究员 周四 下午 走 进 代码 评审 室，端 着 一 个 看 起来 像 大 胜 的 信号 —— 中证 500 上 的 5 日 反转 策略，夏普 2.8，最 大 回撤 4%，2014 2023 年 区间 上 的 净 值 曲线 漂亮 得 不 像 话。资深 研究员 翻 着 notebook，问 了 一 个 问题...
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 →