机器学习模型在因子组合中的应用

📚 共计 30 章节

因子投资基础

因子定义、因子分类（风格/宏观/另类）、因子投资哲学

风格宏观另类

单因子测试框架

IC分析、分组回测、多空组合收益、换手率分析

IC分组回测多空

多因子模型构建

等权加权、市值加权、ICIR加权、最优化加权

等权市值加权ICIR

线性回归模型

OLS回归、正则化（Lasso/Ridge）、逐步回归、因子共线性处理

决策树与随机森林

决策树原理、随机森林集成、特征重要性、过拟合控制

决策树随机森林特征重要性

梯度提升树 (XGBoost/LightGBM)

GBDT原理、XGBoost关键参数、LightGBM优化、早停策略

XGBoostLightGBM早停

支持向量机 (SVM)

SVM分类与回归、核函数选择、参数调优、金融应用场景

SVM核函数参数调优

神经网络基础

感知机、多层感知机（MLP）、激活函数、损失函数、反向传播

MLP激活函数反向传播

深度学习因子挖掘

LSTM时序建模、CNN图像模式、Transformer注意力机制、自编码器降噪

LSTMCNNTransformer

因子组合优化

均值-方差模型、最大夏普比率、风险平价、Black-Litterman模型

均值-方差风险平价Black-Litterman

宏观状态切换、波动率择时、动量择时、机器学习择时信号

宏观状态波动率动量

行业中性化处理

行业分类标准、市值中性化、行业市值正交化、回归残差法

行业中性市值中性正交化

因子正交化

施密特正交化、PCA主成分分析、对称正交、正交后因子解释

施密特PCA对称正交

因子衰减与换仓

半衰期加权、指数加权移动平均、自适应换仓频率、交易成本建模

半衰期EWMA换仓频率

过拟合检测与防范

交叉验证、滚动窗口验证、置换检验、夏普比率膨胀

交叉验证滚动窗口置换检验

缺失值处理、异常值检测、标准化/归一化、分箱处理、交互特征

缺失值异常值分箱

过滤法（相关系数/IV）、包裹法（递归消除）、嵌入法（L1/L2）、Boruta算法

过滤法包裹法Boruta

未来N日收益、超额收益、风险调整收益、排序标签、事件驱动标签

未来收益超额收益排序标签

时间衰减权重、波动率倒数加权、流动性加权、分层抽样权重

时间衰减波动率倒数分层抽样

投票法、平均法、堆叠（Stacking）、混合（Blending）、Bagging

StackingBlendingBagging

超参数调优

网格搜索、随机搜索、贝叶斯优化、遗传算法、Optuna框架

网格搜索贝叶斯优化Optuna

回测框架搭建

事件驱动回测、向量化回测、滑点与冲击成本、业绩归因

事件驱动向量化滑点

业绩评价指标

年化收益、夏普比率、最大回撤、卡玛比率、信息比率、胜率

夏普比率最大回撤信息比率

风险监控体系

VaR、CVaR、因子暴露监控、风格漂移检测、压力测试

VaRCVaR风格漂移

另类数据因子

新闻情绪分析、卫星图像数据、供应链数据、社交媒体情绪

新闻情绪卫星图像供应链

分钟级因子、订单簿因子、微观结构因子、TICK级因子

分钟级订单簿微观结构

因子生命周期管理

因子发现、因子验证、因子衰减、因子退役、因子库维护

发现验证衰减

机器学习可解释性

SHAP值、LIME、特征重要性、部分依赖图、个体条件期望

生产环境部署

模型序列化、API服务、定时任务、监控告警、模型版本管理

API定时任务版本管理

A股多因子选股、商品期货CTA、加密货币因子、全球资产配置

A股CTA加密货币