市场异象因子挖掘与实证分析

📚 共计 30 章节

市场异象导论

什么是市场异象？有效市场假说与异象的冲突、课程概览与学习路径。

数据准备与清洗

金融数据获取（Tushare/Wind）、数据清洗（去极值、缺失值处理）、数据标准化。

数据预处理

单因子分析基础

因子定义、因子值计算、分组回测框架搭建。

IC（信息系数）定义、Rank IC、ICIR（信息比率）、IC序列可视化。

因子分组收益分析

多空组合收益、分组净值曲线、多空夏普比率。

因子相关性分析

因子间Pearson/Spearman相关、聚类热力图、冗余因子剔除。

相关性降维

市值因子挖掘

市值因子逻辑、市值分组效应、小市值异象实证。

估值因子挖掘

PE/PB/PS因子构建、估值因子IC测试、估值与市值交互分析。

动量因子挖掘

过去N日收益率因子、动量反转效应、动量因子衰减测试。

波动率因子挖掘

历史波动率、特异波动率、波动率异象（低波效应）。

流动性因子挖掘

换手率因子、Amihud非流动性指标、流动性溢价。

流动性换手

质量因子挖掘

ROE因子、毛利率因子、资产负债率因子、质量因子复合。

成长因子挖掘

营收增长率、净利润增长率、预期增长因子。

技术因子挖掘

RSI、MACD、布林带等指标因子化、技术因子有效性检验。

另类数据因子

舆情因子（情感分析）、搜索量因子、供应链因子。

因子合成方法

等权合成、IC加权合成、最大化ICIR合成。

多因子模型构建

打分法模型、回归法模型、机器学习模型初探。

多因子模型

市场状态划分、因子表现周期性、动态因子权重。

过拟合与回测偏差

多重比较偏差、前视偏差、生存偏差、样本外测试。

过拟合偏差

Fama-MacBeth回归

两步法原理、Python实现、因子显著性检验。

回归显著性

Barra模型框架

行业因子、风格因子、风险模型构建、风险归因。

因子绩效评价指标

夏普比率、最大回撤、Calmar比率、胜率、盈亏比。

因子投资组合优化

均值-方差优化、风险平价、Black-Litterman模型。

A股市场特有异象

壳价值异象、ST摘帽效应、IPO折价、送转效应。

因子衰减与失效

因子生命周期、因子拥挤度、市场制度变化影响。

机器学习因子挖掘

决策树因子、神经网络因子、遗传规划因子。

机器学习挖掘

因子库搭建与管理

因子存储（HDF5/Parquet）、因子计算流水线、因子监控平台。

回测系统实战

事件驱动回测框架、滑点与手续费模拟、绩效归因。

因子研究报告撰写

报告结构、图表规范、结论提炼、合规注意事项。

课程总结与展望

因子投资未来趋势、AI+因子挖掘、职业发展路径。