因子挖掘算法实战精讲
📚 共计 30 章节
第01章
因子挖掘概述
什么是因子？因子挖掘在量化交易中的核心地位。
核心概念
量化基石
第02章
数据准备
获取行情数据（OHLCV）、数据清洗与对齐。
数据工程
预处理
第03章
基础因子构建
动量因子、反转因子、波动率因子。
动量
反转
波动率
第04章
因子计算框架
使用Pandas进行向量化计算，避免循环。
Pandas
向量化
第05章
因子标准化
Z-score、分位数、排序标准化方法。
标准化
Z-score
第06章
因子相关性分析
皮尔逊相关系数、Spearman秩相关系数。
相关性
统计
第07章
因子IC分析
信息系数（IC）的计算与评估。
IC
预测能力
第08章
因子IR分析
信息比率（IR）与因子稳定性。
IR
稳定性
第09章
因子分组回测
分位数组合构建与收益分析。
分组回测
分位数
第10章
因子多空组合
多空对冲策略的构建与评估。
多空
对冲
第11章
因子衰减分析
因子收益的半衰期与换手率。
衰减
半衰期
第12章
因子拥挤度
衡量因子被市场过度使用的指标。
拥挤度
风险
第13章
因子择时
根据市场状态动态调整因子权重。
择时
动态权重
第14章
遗传规划因子挖掘
使用gplearn库自动生成因子表达式。
遗传规划
gplearn
第15章
遗传规划参数调优
种群大小、代数、树深度对结果的影响。
参数调优
超参数
第16章
因子表达式解析
将遗传规划生成的树结构转化为可读公式。
表达式
解析
第17章
因子筛选流水线
从海量因子中筛选有效因子的流程。
筛选
流水线
第18章
因子正交化
使用施密特正交化去除因子间的冗余信息。
正交化
施密特
第19章
因子合成
等权合成、IC加权合成、IR加权合成。
合成
加权
第20章
机器学习因子
使用线性回归、随机森林构建因子。
机器学习
随机森林
第21章
深度学习因子
使用LSTM、Transformer提取时序特征。
深度学习
LSTM
第22章
因子暴露度
计算个股在因子上的暴露度（Factor Exposure）。
暴露度
风险模型
第23章
因子归因分析
Barra模型框架下的因子收益分解。
归因
Barra
第24章
行业中性化
去除因子中的行业偏见。
中性化
行业
第25章
市值中性化
去除因子中的市值效应。
市值
中性化
第26章
因子回测过拟合
如何识别和避免回测中的过拟合。
过拟合
回测
第27章
样本外测试
时间序列交叉验证与滚动窗口测试。
样本外
交叉验证
第28章
因子实盘注意事项
交易成本、冲击成本、滑点。
实盘
成本
第29章
因子监控与再平衡
实盘中的因子衰减与动态调整。
监控
再平衡
第30章
因子挖掘实战项目
从数据到策略的完整案例。
实战
完整案例