发布于VeighNa社区公众号【vnpy-community】
原文作者:用Python的交易员 | 发布时间:2024-10-31
年初【Qlib投研平台学习系列】社区活动上,许多同学表达了对于机器学习截面多因子策略的强烈兴趣。经过大半年的研究开发,我们的【VeighNa机器学习截面多因子策略】小班特训营终于上线。
老规矩还是放几张之前特训营的照片:
准备完毕,静候同学们到达
学习量化,先从掌握核心框架
深入代码,分析策略逻辑细节
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)。
小班特训营时间定在周末两天,一共包含周六周日两个下午共计10+小时的课程,特训营设立专属支持答疑群,包括后续三个月的助教跟踪辅导,提供VeighNa小班特训营专属内部核心资料。
本场课程优先对买方投资机构开放,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。目前本场课程仅剩2个名额,感兴趣的同学请抓紧。
VeighNa机器学习截面多因子策略
日期:2024年12月7日(周六)和12月8日(周日)
时间:两天下午1点-6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
iii. 神经网络类:LSTM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实战进阶开发应用
a. 更有效日内高频Alpha因子特征
b. ML模型的超参调整与验证方法
c. Alphalens因子特征和预测信号评估
d. QuantStats截面策略绩效分析
e. 不止于股票市场的截面类策略
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: