市場調(diào)查教材第二講：量化投資案例

第二講：量化投資案例廣州昊月信息科技有限公司制作案例一日內(nèi)股指期貨交易策略案例二事件驅(qū)動(dòng)策略案例三量化對(duì)沖策略案例一：日內(nèi)股指期貨交易策略玄同量化工作室成立于2011年，由宋小虎先生投資，組建了包含三位華工教授五人創(chuàng)業(yè)團(tuán)隊(duì)。在我主持下，利用金融數(shù)學(xué)、統(tǒng)計(jì)、計(jì)算機(jī)等工具，以客觀、系統(tǒng)、科學(xué)的量化投資理念，經(jīng)一年研發(fā)完成了股指期貨量化投資策略的全自動(dòng)化無人置守交易系統(tǒng)，實(shí)現(xiàn)了持續(xù)、穩(wěn)定、高額的收益，取得連續(xù)三年超60%的收益率的優(yōu)異業(yè)績，公司資產(chǎn)管理一度突破十億。什么是量化投資？量化投資就是利用數(shù)學(xué)、統(tǒng)計(jì)學(xué)、信息技術(shù)的量化方法來管理投資組合。數(shù)量化投資的組合構(gòu)建注重的是對(duì)宏觀數(shù)據(jù)、市場行為、企業(yè)財(cái)務(wù)數(shù)據(jù)、交易數(shù)據(jù)進(jìn)行分析，利用數(shù)據(jù)挖掘技術(shù)、統(tǒng)計(jì)技術(shù)、計(jì)算方法等處理數(shù)據(jù)，以得到最優(yōu)的投資組合和投資機(jī)會(huì)。與傳統(tǒng)定性投資相比，量化投資更加強(qiáng)調(diào)投資思想的科學(xué)驗(yàn)證。金融大數(shù)據(jù)人工智能量化投資紀(jì)律性紀(jì)律性可以克服人性的弱點(diǎn)。紀(jì)律化的另外一個(gè)好處是可跟蹤。系統(tǒng)性首先表現(xiàn)在多層次；其次是多角度；再者就是多數(shù)據(jù)，套利思想定量投資正是在找估值洼地。概率取勝一是不斷的從歷史中挖掘有望在未來重復(fù)的歷史規(guī)律。二是依靠一組股票取勝。市場有效學(xué)說（EMH）認(rèn)為市場本質(zhì)是有效的，市場只在有限的情況下無效。而行為金融學(xué)（AMH）認(rèn)為市場本質(zhì)上無效的，市場只在極限狀態(tài)下有效。EMH認(rèn)為投資者無為而冶（被動(dòng)管理），AMH認(rèn)為市場確有異象，異象帶來投資機(jī)會(huì)，市場獎(jiǎng)勵(lì)最早發(fā)掘投資機(jī)會(huì)的人。市場機(jī)會(huì)是相對(duì)的，風(fēng)險(xiǎn)回報(bào)關(guān)系是時(shí)變的。市場認(rèn)識(shí)系統(tǒng)構(gòu)架獲取股票和股指期貨高頻數(shù)據(jù)設(shè)計(jì)分析指標(biāo)建立股票預(yù)測模型從預(yù)測股指到預(yù)測股指期貨訂單交易系統(tǒng)帳戶管理與策略評(píng)估投資標(biāo)的選擇股指期貨T+0交易股指期貨有投資杠桿股指期貨流動(dòng)性好日內(nèi)交易風(fēng)險(xiǎn)小股票是股指期貨標(biāo)的股指有多維數(shù)據(jù)信息股指期貨雙向交易同類策略少杠桿性聯(lián)動(dòng)性多樣性跨期性（1）期貨合約有到期日，不能無限期持有（2）期貨合約是保證金交易，必須每日結(jié)算（3）期貨合約可以賣空（4）市場的流動(dòng)性較高（5）股指期貨實(shí)行現(xiàn)金交割方式（6）股指期貨關(guān)注宏觀經(jīng)濟(jì)（7）股指期貨實(shí)行T+0交易，而股票實(shí)行T+1交易股指期貨(SharePriceIndexFutures)高頻數(shù)據(jù)高頻數(shù)據(jù)一般是時(shí)間間隔較短(低于一日)的證券交易數(shù)據(jù)，一般例如股票價(jià)格、外匯價(jià)格以及成交量等等。交易所品種頻率上海證券交易所股票5秒1筆基金5秒1筆ETF5秒1筆債券5秒1筆指數(shù)5秒1筆深圳證券交易所股票3秒1筆基金3秒1筆ETF3秒1筆債券3秒1筆指數(shù)3秒1筆上海期貨交易所商品期貨1秒2筆中國金融期貨交易所股指期貨、國債期貨1秒2筆大連商品交易所商品期貨1秒2筆鄭州商品交易所商品期貨1秒2筆計(jì)算機(jī)自動(dòng)完成程序化交易高頻交易的交易量巨大日內(nèi)交易次數(shù)很多總體收益穩(wěn)定交易連接性能等要求極高訂單流數(shù)據(jù)信息事件套利統(tǒng)計(jì)套利高頻交易特點(diǎn)數(shù)學(xué)模型——神經(jīng)網(wǎng)絡(luò)神經(jīng)元的動(dòng)作：輸出函數(shù)f：也稱作用函數(shù)，非線性。閾值型S型偽線性型f為閾值型函數(shù)時(shí)：設(shè)，點(diǎn)積形式：式中，學(xué)習(xí)規(guī)則（3）更新權(quán)值，閾值可視為輸入恒為（－1）的一個(gè)權(quán)值；（1）選擇一組初始權(quán)值wij(1)；（2）計(jì)算某一輸入模式對(duì)應(yīng)的實(shí)際輸出與期望輸出的誤差；式中，（4）返回(2)，直到對(duì)所有訓(xùn)練模式網(wǎng)絡(luò)輸出均能滿足要求。dj，yj(t)：第j個(gè)神經(jīng)元的期望輸出與實(shí)際輸出；xi(t)：第j個(gè)神經(jīng)元的第i個(gè)輸入。神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)體現(xiàn)在：η：學(xué)習(xí)因子；權(quán)值變化；網(wǎng)絡(luò)結(jié)構(gòu)變化。BP網(wǎng)絡(luò)BP網(wǎng)絡(luò)：采用BP算法（Back-PropagationTrainingAlgorithm）的多層感知器。誤差反向傳播算法認(rèn)識(shí)最清楚、應(yīng)用最廣泛。性能優(yōu)勢：識(shí)別、分類1．多層感知器

針對(duì)感知器學(xué)習(xí)算法的局限性：模式類必須線性可分。輸入層第一隱層第二隱層輸出層中間層為一層或多層處理單元；前饋網(wǎng)絡(luò)；結(jié)構(gòu)：只允許一層連接權(quán)可調(diào)。BP算法步驟：第一步：對(duì)權(quán)值和神經(jīng)元閾值初始化：(0，1)上分布的隨機(jī)數(shù)。第二步：輸入樣本，指定輸出層各神經(jīng)元的希望輸出值。第三步：依次計(jì)算每層神經(jīng)元的實(shí)際輸出，直到輸出層。第四步：從輸出層開始修正每個(gè)權(quán)值，直到第一隱層。若j是輸出層神經(jīng)元，則：若j是隱層神經(jīng)元，則：第五步：轉(zhuǎn)到第二步，循環(huán)至權(quán)值穩(wěn)定為止。樣本二值響應(yīng)（1表示下一時(shí)間漲；0表示不漲）解釋變量值清冼缺失值處理奇異值處理單變量檢驗(yàn)線性變換數(shù)據(jù)分層訓(xùn)練集（40%）效驗(yàn)集（40%）測試集（20%）評(píng)估與優(yōu)化目標(biāo)函數(shù)設(shè)置評(píng)估指標(biāo)計(jì)算預(yù)測模型代碼提取應(yīng)用與檢驗(yàn)仿真交易實(shí)盤交易建模流程變量設(shè)計(jì)技術(shù)類乘離率（位置）動(dòng)量（趨勢）能量（價(jià)量）波動(dòng)率指數(shù)類模塊指數(shù)其它市場指數(shù)自定義指數(shù)延遲項(xiàng)三階滯后指數(shù)經(jīng)濟(jì)指標(biāo)滯后值技術(shù)分析價(jià)值分析動(dòng)力學(xué)微觀市場分析金融行為學(xué)數(shù)據(jù)清冼缺失數(shù)據(jù)過濾停牌股插值穩(wěn)健統(tǒng)計(jì)截尾平均中位數(shù)離散化變換標(biāo)準(zhǔn)化對(duì)數(shù)變換線性化數(shù)據(jù)分層樣本集訓(xùn)練集（40%）簡單隨機(jī)抽樣分層抽樣效驗(yàn)集（40%）簡單隨機(jī)抽樣分層抽樣測試集（20%）交叉檢驗(yàn)滾動(dòng)外推模型評(píng)估與優(yōu)化方向大小分布正判率均方誤相關(guān)系數(shù)投資策略評(píng)估年化收益率收益的波動(dòng)率最大回撤夏普比率玄同股指期貨實(shí)盤業(yè)績案例二：“高送轉(zhuǎn)”事件驅(qū)動(dòng)策略研究“事件驅(qū)動(dòng)型交易策略（Even-drivenstrategy）”是在提前挖掘和深入分析可能造成股價(jià)異常波動(dòng)的事件基礎(chǔ)上，通過充分把握交易時(shí)機(jī)獲取超額投資回報(bào)的交易策略。“事件”是指具有較為明確的時(shí)間和內(nèi)容，能夠?qū)Σ糠滞顿Y者的投資行為產(chǎn)生一定的影響，從而決定股價(jià)短期波動(dòng)的因素。事件策略模式短期趨勢研判判斷大盤的中短期趨勢是實(shí)施事件驅(qū)動(dòng)策略能否成功獲利的關(guān)鍵潛在事件分析通過實(shí)地調(diào)研、業(yè)內(nèi)溝通、傳聞求證、數(shù)據(jù)統(tǒng)計(jì)、規(guī)則分析、數(shù)據(jù)挖掘、邏輯判斷等一系列合理手段提前分析出“利好”將要公布的內(nèi)容和時(shí)間范圍。提前擇機(jī)買入所謂的“提前”就是指在目標(biāo)個(gè)股的潛在事件明朗化或在市場廣泛傳播前逢低買入。逢高擇機(jī)賣出潛在事件的明朗化超額收益率接近或超過的該類事件近期的平均超額收益率事件分類事件研究流程事件定義事件發(fā)生律事件公告日效應(yīng)事件預(yù)測組合配資策略歷史回測策略應(yīng)用"高送轉(zhuǎn)"是高比例送紅股或轉(zhuǎn)增股本的簡稱。近年來國內(nèi)股市中的“高送轉(zhuǎn)”現(xiàn)象十分盛行，送轉(zhuǎn)股數(shù)量和高送轉(zhuǎn)股比率在持續(xù)提高。2005年以來A股年報(bào)送轉(zhuǎn)的企業(yè)數(shù)量不斷提高，2006年推出送轉(zhuǎn)的上市公司僅157家，而近5年來每年送轉(zhuǎn)企業(yè)數(shù)量平均在500家左右，2015年送轉(zhuǎn)企業(yè)數(shù)量達(dá)到546家，“高送轉(zhuǎn)”企業(yè)有494家，占比達(dá)79%。上市公司送股、轉(zhuǎn)增股票并不影響其當(dāng)期現(xiàn)金流，也不影響其未來現(xiàn)金流，所以這種分紅并不影響公司價(jià)值，但高送轉(zhuǎn)事件向市場傳遞了公司發(fā)展良好、行業(yè)發(fā)展前景樂觀的信息，這導(dǎo)致不少投資者盲目的投資具有高送轉(zhuǎn)概念的股票。中國股市具有明顯的高送轉(zhuǎn)公告效應(yīng)，即高送轉(zhuǎn)股票在預(yù)案日公布前會(huì)出現(xiàn)正的超額收益率。財(cái)年結(jié)束日我國的所有上公司財(cái)政年度均為自然年，12月31日為財(cái)年結(jié)束日。財(cái)務(wù)批準(zhǔn)日上一年度財(cái)報(bào)制作完成，董事會(huì)批準(zhǔn)公告，在年報(bào)中公布權(quán)益分配預(yù)案。股利宣告日董事會(huì)宣布權(quán)益分配實(shí)施方案，發(fā)布公告，宣布分配實(shí)施細(xì)節(jié)。股權(quán)登記日截止這一交易日收盤時(shí)擁有本公司股票的股東均享受權(quán)益分配權(quán)利。股權(quán)除息日股票除權(quán)除息，當(dāng)天及以后買入的股票不再擁有本次權(quán)益分配的權(quán)益。股利發(fā)放日向擁有分配權(quán)的股東賬戶發(fā)放本次分配的股利，暫時(shí)代扣個(gè)人所得稅。補(bǔ)交所得稅獲得現(xiàn)金及紅股分配的股東賣出股票時(shí)須補(bǔ)繳個(gè)人所得稅的差額部分。我國上市公司分紅送轉(zhuǎn)流程影響“高送轉(zhuǎn)”實(shí)施的主要因素公積金未分配利潤收益凈資產(chǎn)現(xiàn)金凈流量營業(yè)收入上市時(shí)間股價(jià)股本“高送轉(zhuǎn)”事件發(fā)生率2006-2015年：預(yù)案公布日前持有至公布日當(dāng)天、預(yù)案公布日當(dāng)天開始持有，共兩類收益率?！案咚娃D(zhuǎn)”套利機(jī)會(huì)分布的時(shí)間回歸分析回歸分析是一種統(tǒng)計(jì)分析方法，它利用兩個(gè)或兩個(gè)以上變量之間的關(guān)系，由一個(gè)或幾個(gè)變量來預(yù)測另一個(gè)變量。多元線性回歸模型多元線性回歸的基本假設(shè)a) 隨機(jī)誤差項(xiàng)是一個(gè)期望值或平均值為0的隨機(jī)變量；b) 對(duì)于解釋變量的所有觀測值，隨機(jī)誤差項(xiàng)有相同的方差；c) 隨機(jī)誤差項(xiàng)彼此不相關(guān)；d) 解釋變量是確定性變量，不是隨機(jī)變量，與隨機(jī)誤差項(xiàng)彼此之間相互獨(dú)立；e) 解釋變量之間不存在精確的（完全的）線性關(guān)系，即解釋變量的樣本觀測值矩陣是滿秩矩陣；f) 隨機(jī)誤差項(xiàng)服從正態(tài)分布。多重共線性的修正和非線性回歸（1）完全共線性下參數(shù)估計(jì)量不存在（2）近似共線性下OLS估計(jì)量非有效，多重共線性使參數(shù)估計(jì)值的方差增大，1/(1-r2)為方差膨脹因子(VarianceInflationFactor,VIF)（3）參數(shù)估計(jì)量經(jīng)濟(jì)含義不合理（4）變量的顯著性檢驗(yàn)失去意義，可能將重要的解釋變量排除在模型之外（5）模型的預(yù)測功能失效。變大的方差容易使區(qū)間預(yù)測的“區(qū)間”變大，使預(yù)測失去意義。多重共線性的修正1）逐步回歸法逐步回歸法是指在選擇變量時(shí)，遵從“由少到多”的原則，即從所有解釋變量中間先選擇影響最為顯著的變量建立模型，然后再將模型之外的變量逐個(gè)地引入；每引入一個(gè)變量，就對(duì)模型中所有解釋變量進(jìn)行顯著性檢驗(yàn)，并從中剔除不顯著變量；逐步引入-剔除-引入，直到模型之外所有變量均不顯著。2）主成分分析主成分回歸首先提取自變量的主成分,由于各主成分之間相互正交，相關(guān)系數(shù)為0，此時(shí)即可用最小二乘法估計(jì)偏回歸系數(shù)，建立因變量與相互獨(dú)立的前幾個(gè)主成分的回歸模型,然后再還原為原自變量的回歸方程式。可見，主成分回歸分析解決多重共線性問題是通過降維的處理而克服多元共線性的影響，正確表征變量間的關(guān)系。Logistic回歸模型“高送轉(zhuǎn)”投資策略模型構(gòu)建股池中國A股市場所有上市公司股票測試時(shí)間2013年10月31日—2014年4月30日時(shí)點(diǎn)每年的11月1日構(gòu)建“高送轉(zhuǎn)”投資組合策略財(cái)務(wù)數(shù)據(jù)三季報(bào)數(shù)據(jù)剔除ST、PT股票特征變量定義預(yù)測建模流程模型評(píng)估指標(biāo)準(zhǔn)確率覆蓋率提升率多重共線性診斷結(jié)果顯示，gsz與各變量間的相關(guān)系數(shù)分布較為均勻，每股資本公積與每股凈資產(chǎn)，每股未分配利潤與每股凈資產(chǎn)，每股收益與每股凈資產(chǎn)之間相關(guān)系數(shù)較大（已高亮），但是小于0.8。由此可知，自變量間可能存在多重共線性。提取自變量的主成分前5個(gè)主成分包含了全部指標(biāo)的90.7%的信息，說明前五個(gè)主成分已經(jīng)反映原來八個(gè)指標(biāo)90.7%的信息，因此提取前5個(gè)主成分。建立“高送轉(zhuǎn)”識(shí)別模型（1）建立送轉(zhuǎn)Logistic回歸預(yù)測模型（2）建立“高送轉(zhuǎn)”預(yù)測Logistic回歸模型模擬投資收益圖策略改進(jìn)我們進(jìn)一步采用K-近鄰算法、決策樹以及加lasso懲罰項(xiàng)的邏輯斯蒂回歸算法構(gòu)建預(yù)測模型—“組合”模型對(duì)高送轉(zhuǎn)股票進(jìn)行預(yù)測，并與經(jīng)典的集成學(xué)習(xí)算法—AdaBoost算法、隨機(jī)森林算法構(gòu)建的預(yù)測模型進(jìn)行對(duì)比，采用準(zhǔn)確率以及G-mean作為模型評(píng)價(jià)標(biāo)準(zhǔn)，結(jié)果顯示：“組合”模型的準(zhǔn)確率最高，隨機(jī)森林和“組合”模型的G-mean表現(xiàn)相當(dāng)，均優(yōu)于adaboost算法。由于每年高送轉(zhuǎn)股票所占比例在10%-25%之間，數(shù)據(jù)可以看成是非平衡數(shù)據(jù)，為了改善“組合”模型較差的召回率，采用K-Means聚類的欠抽樣方法，將此方法用在“組合”模型上效果顯著。最后分別對(duì)上面三種模型預(yù)測的股票構(gòu)建投資組合，并以HS300指數(shù)做基準(zhǔn)。結(jié)果顯示：“組合”模型預(yù)測得到的高送轉(zhuǎn)股票組合表現(xiàn)優(yōu)于HS300指數(shù)。案例三：阿爾法量化對(duì)沖策略

對(duì)沖基金的創(chuàng)始人AlfredWinslowJones在1949年用1萬美元?jiǎng)?chuàng)立了第一支“對(duì)沖基金”，依靠業(yè)績的20%來收費(fèi)，到1968年的時(shí)候，Jones的對(duì)沖基金回報(bào)了將近50倍。

在投資方法上，Jones合理運(yùn)用了杠桿和做空，是當(dāng)初他成功的主要原因！AlfredWinslowJones組合投資做空產(chǎn)品使用杠桿時(shí)間1.27～2.64.28～5.76.15～7.87.24～8.3滬指-9.08%-9.17%-32.11%-11.18%量化0.6%-0.1%0.34%-0.18%股災(zāi)期間量化對(duì)沖策略表現(xiàn)全世界最大的對(duì)沖基金橋水聯(lián)合基金——?jiǎng)?chuàng)始人雷?達(dá)里奧橋水聯(lián)合基金的資產(chǎn)管理總額已達(dá)1,760億美元自1991年以來，旗下純啊爾法基金平均每年上漲14%2014年個(gè)人財(cái)富位于福布斯富豪榜第69位橋水號(hào)稱沒有回撒的阿爾法策略長期穩(wěn)定的收益是最終的贏者！資產(chǎn)定價(jià)模型CAPMα（超額收益率）β*市場收益率ε（隨機(jī)誤差）組合收益率威亷?夏普收益率分解阿爾法贏利模式量化選股目標(biāo)——尋找正Alpha滬深300股票股指期貨Alpha為零正Alpha股票組合負(fù)Alpha股票組合50%國際形勢、國內(nèi)形勢、經(jīng)濟(jì)政策、行業(yè)政策、坊間信息、企業(yè)經(jīng)營……..市場低估時(shí)進(jìn)場從絕對(duì)價(jià)值低估，到相對(duì)價(jià)值低估量化對(duì)沖后，只要分析財(cái)務(wù)報(bào)表就行，這家伙容易了！隨時(shí)進(jìn)市！對(duì)沖因素行業(yè)指數(shù)市場因素驅(qū)動(dòng)因子情緒因子技術(shù)因子基本面因子建立預(yù)測模型80%正確判斷機(jī)會(huì)70%正確判斷機(jī)會(huì)60%正確判斷機(jī)會(huì)對(duì)沖風(fēng)險(xiǎn)，贏利跨越牛熊市！大概率博弈，收益持續(xù)平穩(wěn)！組合投資，容納大資金的策略！模型決策，克服人性弱點(diǎn)！金融創(chuàng)新，把投資做成科學(xué)！多因子模型基本思想就是找到某些和收益率最相關(guān)的指標(biāo)，并根據(jù)該指標(biāo)，構(gòu)建一個(gè)股票組合，期望該組合在未來的一段時(shí)間跑贏或者跑輸指數(shù)。如果跑贏，則可以做多該組合，同時(shí)做空期指，賺取正向阿爾法收益；如果是跑輸，則可以做多期指，融券做空該組合，賺取反向阿爾法收益。收益關(guān)聯(lián)指標(biāo)有效指標(biāo)組合對(duì)沖后效果多因子選股模型多因子選股模型指先通過單因子給股票打分，然后每個(gè)單因子賦于權(quán)重，再給股票打綜合分?jǐn)?shù)，依據(jù)綜合分?jǐn)?shù)從高到低選投資股票，最后依據(jù)一定法則給股票配置資金比例選股策略模型。打分法步驟第一步，對(duì)因子進(jìn)行測試，確定因子大小與股票收益率是正相關(guān)關(guān)系還是負(fù)相關(guān)關(guān)系，若為正相關(guān)，則因子值大的股票的得分高，否則得分低；例如，將股票因子值的排名作為因子得分。第二步，確定因子的重要性，根據(jù)因子的重要性確定其權(quán)重；例如，將單因子權(quán)重設(shè)為正比IC值。第三步，把各因子的權(quán)重與相應(yīng)的股票得分相乘，然后相加，得到股票的總分；第四步，根據(jù)股票的總分進(jìn)行篩選，選擇得分高的股票作為投資組合。Alpha因子價(jià)值盈利成長質(zhì)量風(fēng)險(xiǎn)性財(cái)務(wù)杠桿營運(yùn)政策預(yù)期慣性反轉(zhuǎn)籌碼因子來源因子更細(xì)分類股池過濾停牌股新股預(yù)警股票測試股池過濾條件：1.該只股票是ST股；2.該只股票是PT股；3.該只股票上市不足一年；4.該只股票在調(diào)倉日不能交易；5.該只股票所屬中證一級(jí)行業(yè)為空。設(shè)置初始樣本樣本量牛、熊代表股池樣本時(shí)間越長，回撒越大調(diào)倉周期調(diào)倉周期就是對(duì)組合中的證券和證券比例進(jìn)行調(diào)整的時(shí)間。實(shí)際上含有兩層含義：（1）對(duì)組合中的證券進(jìn)行調(diào)入、調(diào)出操作（2）對(duì)組合中的證券進(jìn)行比例重新分配一般在進(jìn)行因子研究的時(shí)候，周期不宜設(shè)置過短。（1）對(duì)于只考慮財(cái)務(wù)類因子，調(diào)倉周期可以設(shè)置為一個(gè)季度，或者在一季報(bào)、中報(bào)、三季報(bào)、年報(bào)公布完成后的4月底、8月底、10月底（2）對(duì)于考慮動(dòng)量類因子和估值類，調(diào)倉周期一般設(shè)置為一個(gè)月（3）一般而言，我們建議調(diào)倉周期為一個(gè)月因子值秩化數(shù)據(jù)清冼方法踢除因子值沒有的樣本或?yàn)榱愕闹禈颖緮?shù)據(jù)不足學(xué)習(xí)期三分之一的樣本停市的股票非指定股池內(nèi)的股票預(yù)警股票補(bǔ)缺踢除類平均值替代回歸插值法用預(yù)測值替代去奇異值截尾中位數(shù)去極值法3倍標(biāo)準(zhǔn)差法四分位數(shù)法標(biāo)準(zhǔn)化Z值標(biāo)準(zhǔn)化極差標(biāo)準(zhǔn)化極差正規(guī)化百分?jǐn)?shù)標(biāo)準(zhǔn)化離散化0-1化秩序值化因子分組檢驗(yàn)：平均收益標(biāo)準(zhǔn)差夏普比勝率最高分組次高分組中等分組次低分組最低分組檢驗(yàn)?zāi)康挠行韵嚓P(guān)性穩(wěn)定性解釋能力有效性指標(biāo)IC（信息系數(shù)）LS收益率LS勝率IR（信息比）CI_IR（信息比）T檢驗(yàn)IC（信息系數(shù)）是指每個(gè)時(shí)點(diǎn)因子在各個(gè)股票的暴露值與各股票下個(gè)期回報(bào)的相關(guān)系數(shù)。IR(信息比)指因子在樣本期間的平均年化收益與年化平均標(biāo)準(zhǔn)差的比值。組合勝率定義為組合收益為正的次數(shù)與樣本月份數(shù)的比例。組合收益包括因子月平均收益和因子滾動(dòng)12個(gè)月累計(jì)收益。含義：每股凈資產(chǎn)增長率