高频因子与低频因子融合增强方法

📚 共计 30 章节

因子融合概述

高频与低频因子的定义、区别与互补性，融合增强的核心思想与价值。

数据预处理与对齐

不同频率数据的清洗、重采样、时间戳对齐与缺失值处理。

特征工程基础

单因子标准化、中性化处理、正交化方法（PCA、Gram-Schmidt）。

线性融合方法

等权加权、IC加权、IR加权、最大化ICIR的优化加权。

非线性融合方法

决策树、随机森林、XGBoost、LightGBM在因子融合中的应用。

树模型XGBoost

深度学习融合方法

MLP、Transformer、LSTM在因子融合中的实践。

深度学习LSTM

融合因子评价体系

IC/IR分析、分层回测、多空收益、最大回撤与夏普比率。

过拟合防范与鲁棒性提升

交叉验证、滚动训练、正则化与特征选择。

鲁棒性正则化

实战案例一

高频量价因子与低频基本面因子的融合策略。

量价基本面

实战案例二

多频率因子融合的行业轮动模型。

行业轮动多频率

实战案例三

融合因子在CTA策略中的应用。

实战案例四

融合因子在指数增强策略中的应用。

指数增强Beta

实战案例五

融合因子在可转债策略中的应用。

可转债固收+

实战案例六

融合因子在期权波动率交易中的应用。

期权波动率

实战案例七

融合因子在ETF套利策略中的应用。

实战案例八

融合因子在期货跨品种套利中的应用。

跨品种期货

实战案例九

融合因子在股票日内回转交易中的应用。

实战案例十

融合因子在加密货币量化策略中的应用。

加密货币数字资产

因子择时与动态权重

基于市场状态切换的因子权重动态调整。

择时动态权重

因子衰减与失效检测

因子半衰期计算、衰减监控与失效预警机制。

多因子组合优化

均值-方差优化、风险平价、Black-Litterman模型在因子组合中的应用。

组合优化Black-Litterman

因子暴露与风险控制

Barra风险模型、因子暴露约束、行业与市值中性化。

Barra风险模型

另类数据因子融合

舆情因子、卫星图像因子、供应链因子与传统因子的融合。

另类数据舆情

高频因子微观结构

订单簿不平衡、成交量分布、买卖压力比等微观因子的构建与融合。

微观结构订单簿

低频因子宏观视角

宏观经济因子、利率因子、通胀因子与市场情绪因子的融合。

因子融合的工程化实现

Python Pipeline构建、并行计算、内存优化与部署。

工程化Pipeline

因子库管理与版本控制

因子命名规范、因子存储（HDF5/Parquet）、因子回测框架搭建。

融合策略的回测陷阱

前视偏差、幸存者偏差、过拟合、交易成本与滑点处理。

回测陷阱幸存者偏差

因子融合的未来方向

强化学习因子融合、大模型辅助因子挖掘、自动化机器学习。

未来强化学习

课程总结与项目实战

从零搭建一套完整的因子融合增强系统，输出最终策略报告。