contact@digquant.com.cn
400-1860-552
官方群:463071731
Toggle navigation
首页
量化专栏
策略资源
人才club
社区
量化课堂
数据字典
AT相关
软件下载
Matlab API
Python API
经典案例
常见问题
注册
登录
策略&研究
WorldQuant Alpha 101 因子#003解释与研究
马叉虫Tao
发表于 2017-8-5 01:22:05
1474 次浏览
0 评论
0
0
# Alpha#003因子 ### 公式 ```latex alpha=-1\ast correlation\left \{ rank(open),rank(volume),10 \right \} ``` ------------ ### 公用函数说明 #### 1、correlation(x,y,d) x和y两个变量过去d天的相关系数。取值范围为:[-1,1]。 #### 2、rank(x) 股票的排名。输入值向量x为股票向量,若输入值含nan,则nan不参与排名,输出为股票对应排名的boolean值(排名所占总位数的百分比)。范围为:(0,1]。 ------------ ### 公用变量说明: #### 1、open 表示开盘价 #### 2、volume 表示成交量 ------------ ### 公式解析 根据alpha#003公式,我们根据公式的运算顺序解析: #### 1、x1 = rank(open) 逻辑结构:对每个股票的开盘价进行排序,返回其股票对应排名的boolean值(排名所占总位数的百分比)。 解析:开盘价又称开市价或者集合竞价,是指某种证券在证券交易所每个交易日开市后的第一笔每股买卖成交价格。世界上大多数证券交易所都采用成交额最大原则来确定开盘价。 采用开盘价进行排序而不是收盘价的原因是由于开盘价是通过当日段时间集合竞价促成的,波动性远高于收盘价。 对每只股票当天的开盘价进行排序,开盘价越大,boolean值越大,从而方便地找出价格大的股票。 #### 2、y1=rank(volume) 逻辑结构:对每个股票的成交量进行排序,返回其股票对应排名的boolean值(排名所占总位数的百分比)。 解析:对每只股票当天成交量进行排序,成交量越大,boolean值越大。可以方便地找出成交量大的股票。 ####6、c=-1*correlation(x1,y1,10) 逻辑结构:计算x1和y1变量前10天的相关系数。我们知道x1和y1表示股票的排序boolean值。其计算逻辑是计算每只股票的前10天的排序boolean值的相关系数。 解析:由1和2我们知道,x1反映每只股票当天价格的排名;y2反映每只股票当天成交量的排名。 另一方面,根据相关系数的性质我们知道:当计算的相关系数越接近1,正相关程度越大。反之,相关系数越接近-1,负相关程度越高。而对相关系数乘以-1进行取反操作,得到的alpha值。表明alpha越接近1,负相关程度越高,即股票当天成交量与开盘价负相关性越高。 因此,此公式是反映价量背离的规律的一个公式,买入alpha值大的股票,卖出alpha值大的股票,原理是买入加量背离程度高的股票。 ------------ ### 策略说明 | 策略名称 |Alpha003因子选股策略 | | ------------ | ------------ | | 投资种类 | 股票 | | 投资类型 | 选股 | | 持仓类型 | 隔夜 | | 投资品种 | ZZ500 | | 回测时间 | 20120101至20150101 | #### 策略思路 此策略为因子选股策略,首先,我们通过逻辑计算构建每只股票的因子值alpha,我们研究的是alpha003因子的计算公式: ```latex alpha=-1\ast correlation\left \{ rank(open),rank(volume),10 \right \} ``` 策略说明:此策略属于量价背离策略。根据相关系数的数学方法求量与价的相关关系,只有证明其为负相关,就可以实现量价背离规律。首先,我们求每只股票开盘价的排名的boolean值(排名所占总位数的百分比)和每只股票交易量排名的boolean值(排名所占总位数的百分比)。然后求他们之间的相关系数。最后进行取反操作得到alpha因子值。 交易策略:每次交易,取alpha前10名的股票进行买入交易;若alpha不在前10的股票,如果之前已经进行买入,则对其进行卖出交易。 ------------ ### 回测报告 - 权益曲线及潜在亏损  - 策略绩效概要 | 指标名称 | 指标值 | 指标名称 |指标值| 指标名称 |指标值| | ------------ | ------------ | ------------ |------------ |------------ |------------ | | 初始资金收益率 |-3.47% | 最大回撤率|4.89% |夏普比率|-1.2359| | 算术年化收益率 | -1.2% |净利/最大潜在亏损|-0.6464| Calmar比率| -0.6576| | 几何年化收益率 | -1.22% | 手续费/净利| -0.0171| Sortino比率| -1.6135| |盈利因子|0.68|胜率|48.72%|平均盈利/平均亏损|0.7168| ------------ ###策略实现代码 具体策略实现代码见策略资源:[WorldQuant Alpha 101 因子#003](https://www.digquant.com.cn/stra.php?mod=model&pid=245 "WorldQuant Alpha 101 因子#003") ------------ ###End
0 条评论
添加评论
高级模式
B
Color
Image
Link
Quote
Code
Smilies
您需要登录后才可以回帖
登录
|
立即注册
马叉虫Tao
+
关注
关注:
7
粉丝:
36
34 个帖子
15 个策略
马叉虫老师|如何用Python在Auto-Trader实现简单双均线策略(Python版)
马叉虫回归首秀|基于PCA降维及logistic回归的BP因子选股策略(Python版)
【 期货策略】基于横截面动量的商品期货策略
【研报复现】中信证券——跨期价差分析与跨期套利研究
金融数学利器 | 马叉虫教你如何应用ARMA进行股价预测
查看更多
>
每周精选
【研报复现】中信证券——跨期价差分析与跨期套利研究
【研报复现】华泰证券——高股息率模型精选打新底仓
提高MATLAB编程能力的一些方法 ——【助力横琴杯】
【Matlab量化策略基础】——基于Matlab金融工具箱进行行情数据绘图
国泰君安191短周期因子之一——因子体系介绍