发布于VeighNa社区公众号【vnpy-community】
原文作者：VeighNa小助手 | 发布时间：2026-03-20
距离上一场【机器学习截面多因子策略】小班特训营，已经过去将近1年。过去这一年里，AI大模型在量化投研领域的应用愈发普及，尤其是在基于研报实现自动化因子挖掘方面，已经逐步从概念探索走向实际落地。
然而，由于大模型驱动的因子挖掘仍然涉及研报理解、信息抽取、逻辑归纳和公式表达等多个环节，许多社区同学对于如何将这套方法真正融入多因子研究流程，依旧不知从何下手开始学习。
基于此，2026年第二场小班特训营将继续深化【VeighNa机器学习截面多因子策略】核心主题，并在往期课程基础上新增一项前沿内容：
- AI因子挖掘： 系统分享从研报PDF解析、因子逻辑抽取，到最终生成可落地因子公式结果的完整因子挖掘投研实践；
老规矩还是放几张之前特训营的照片：
准备完毕，静候小班同学到达
学习量化，掌握核心理论框架
深入代码，分析策略逻辑细节
现场实践，剖析机器学习算法
截面多因子策略还有另一个大家可能更为熟悉的名字：Alpha策略。作为一种广义的统计套利型量化策略，截面多因子策略除了应用在股票量化选股领域外（指数增强和绝对收益），同样也可以应用于带杠杆的衍生品多空组合领域（期货、固收、互换等）。
ML模型预测信号分析
截面策略超额收益绩效
基于之前学员的反馈，小班特训营这种2天10小时+的高强度课程通过线上直播学习的效果并不理想。为了保证更好的学习质量，我们对授课模式进行了调整：后续小班特训营不再提供线上直播参加和视频内容回看，而是改为同一主题的每场小班课都可以再次到场听讲。同时，我们会针对每一个特训营的主题建立专项社群，持续提供专业交流与学习服务，而不再只局限于三个月的答疑时间。
小班特训营优先面向买方投资机构。由于截面多因子策略本身的复杂性（因子数据、算力需求、金融理论等），不建议新手报名，本场课程部分名额已经被提前锁定，感兴趣的同学请抓紧。
VeighNa机器学习截面多因子策略
日期：2026年5月16日（周六）和5月17日（周日）
时间：周六下午1点-6点，周日上午8-11点，共计10小时
地点：上海浦东（具体地址会在报名成功后发送）
大纲：
- 快速上手投研开发
a. 针对机器学习投研的硬件和系统选择
b. VeighNa AlphaStrategy开发环境准备
c. 跑通LightGBM模型截面多因子策略开发 - 截面多因子策略原理
a. 经典理论的量化交易实践
i. 主动投资组合管理
ii. 金融资产定价模型
iii. 统计套利因子模型
b. 截面类策略的完整投研流程 - 因子特征数据准备
a. 因子的主要分类和数据来源
b. 特征数据开发模板AlphaData
i. 基于表达式的特征计算引擎
ii. 特征数据的清洗和预处理
iii. 如何选择ML模型的预测目标
c. 商品期货多因子特征数据集 - ML预测模型训练
a. 监督学习算法概述：线性模型、树模型、神经网络
b. ML预测模型的训练与优化
i. 模型评估统计指标详解
ii. 特征重要性分析与可解释性研究
iii. 超参数调整与模型验证方法
c. 基于AlphaModel模板快速开发ML预测模型
i. 线性回归类：Lasso
ii. 集成学习类：XGBoost、DoubleEnsemble
iii. 神经网络类：LSTM、GRU、ALSTM、Transformer - 截面投组策略构建
a. 时序类策略 vs 截面类策略
b. 标准化截面策略开发模板AlphaStrategy
c. 截面策略回测中的关键细节梳理 - AI大模型实践应用
a. 论文研报PDF的解析方案：标准库 vs OCR
b. 结合DeepResearch来提取研报中的因子逻辑思路
c. 基于AI Agent实现自动化截面因子挖掘评估迭代
d. 生产环境中的7 x 24小时挖掘流水线落地方案
价格：11999元
报名请扫描下方二维码添加小助手提供相关信息（想参加的课程、姓名、手机、公司、职位），报名结果以确认回复为准：
