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：

1. 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

2. 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

3. 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

4. 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

5. 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

6. 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：