1、首先选择股票池和因子2、对每个时期的因子暴露度进行标准化和异常值处理。3、因子分析取前两个月作为有效因子鉴别，因子权重处理的分析时间段。因子判别规则：对暴露度与下一期的收益的pearson/spearman得相关系数作为IC，IC是计算IR的基础。因子权重就是让复合因子的IR最大的向量。有效因子的鉴别就是单个因子IR绝对值最大的3个因子4、股票打分将股票的暴露度分成N组，这次N=10.将因子的权重和组号相乘，每个因子得分相加作为股票此时的总分，取得分最高的股票进行交易

用 2017 年1月到 5 月的数据结合决策树和 adaboost 算法，找出当前市场行情最强势三因子，随后以平均权重落单。

手把手复现经典的 Hurst 指数，应用于今年非常火爆的 J88 中。

复现彼得·林奇的“PEG估值法”，并以止损策略完善逻辑。

使用一组快速、慢速均线确定行情趋势，减少虚假信号的产生，并辅以“再进场”策略，避免“踏空”大段行情。

尽管很多人批评Fama-Franch欠缺理论基础，但是事实而言小市值和低pb确实具有alpha：1、国内长期以来的壳价值，据估算，国内得到壳价值大约为15亿（特殊牌照加钱），当价格偏离过大时，具有回归的趋势。2、从80年代到今的科技公司的推动，多数人不具备筛选出‘’真金‘’的能力，从而带来了整体的高溢价，从而容易带动低市值股票价格的增长。3、船小好掉头，不确定收益更多。

基于板块轮动，创业板牛就选小市值，HS300牛就选大市值

##2017/09/19 续

先使用市值因子选股，再利用FFScore进一步选股。这一方面充分考察企业运营状况，另一方面则对风险进行控制。

按照市值分组，使用AlphaLens对pe因子进行分析，一共有：Quantiles Statistics，Returns Analysis，Information Analysis，Turnover Analysis

本文详细介绍了数据的预处理（去除异常值和标准化）、将因子相关数据处理成Alphalens所需格式、如何使用Alphalens，以及如何解读各分析结果

1. 选一个特定股票，计算收益率。
2. 选取一些因子，并将它们分类，处理因子数据。
3. 选过去N天每一类中IC比较高的因子。
4. 每一类因子都进行降维得到每一类的代表值。
5. 将过去N天每类因子的代表值和过去N天每天的收益回归，用此回归系数根据当期的每类因子代表值预测当期收益。
6. 评估时间窗口的预测能力。

本文介绍了可微分神经计算机（Differentiable Neural Computer，DNC）的原理以及有点，并提供了代码实现。

本文将基础理论和实际例子结合，介绍了从一元线性回归到多元线性回归，再到岭回归、LASSO和弹性网。

本文介绍了聚类的特点以及常用算法，并提供了聚类的实际应用例子。

文章采用股票的市值，以波动率作为特征，进行KMeans聚类，并分别建立基于lasso回归的多因子模型，再根据模型预测的收益排序选取股票。

#

一个选股研究:综合考虑基本面，技术面以及估值

##期货：（我选取的是一些表现好一点的期货策略 ）

由于上升趋势中的收盘价通常大于开盘价，而下降趋势中的收盘价通常小于开盘价，故本文通过开收盘价之间的关系判断市场的趋势，构建系统交易规则。

本策略是基于一种两根K线的组合形态：一根收盘上涨、一根收盘下跌，或者一根收盘下跌、一根收盘上涨。多头：找到先收弱后收强的形态作为上升趋势的做多点空头：找到先收强后收若的形态作为下降趋势的做空点

本策略基于平移后的高低点均值通道来构建，并加入了RangerLeader线开仓过滤，增加系统胜率。