当前金融市场面临全球宏观经济不确定性加剧、市场波动性显著上升的挑战。传统的人工选股方式效率低下、主观性强,难以系统化地从海量数据中提取有效投资信号。金融机构迫切需要一套科学、可复现的ETF配置工具,以应对复杂多变的市场环境。
点击空白处退出提示
当前金融市场面临全球宏观经济不确定性加剧、市场波动性显著上升的挑战。传统的人工选股方式效率低下、主观性强,难以系统化地从海量数据中提取有效投资信号。金融机构迫切需要一套科学、可复现的ETF配置工具,以应对复杂多变的市场环境。
1. 数据处理模块:多源数据加载、清洗、对齐
2. 因子工程模块:21个价量因子 + 12个宏观因子,单因子测试
3. 策略构建模块:IC加权合成、半衰期衰减、截面标准化
4. 组合优化模块:等权策略、均值-方差优化、风险平价优化、混合策略
5. 回测评估模块:bt框架回测、交易成本扣除、多维度绩效评估(46项指标)
核心技术栈:
1.专业回测框架
使用bt库实现事件驱动的回测引擎
定义Algo执行周度调仓
2.运用量化金融方法论
进行Spearman秩相关、IC加权合成、半衰期衰减、均值-方差优化(MVO)、风险平价(Risk Parity)等分析
项目处理亮点
处理40,000+条多源数据,构建33个量化因子
IC加权 + 半衰期衰减合成方法,因子ICIR达0.338
混合优化策略(MV+RP),5年年化收益18.45%,夏普0.86
严格回测框架,避免前视偏差,精确模拟交易成本
模块化设计,易于扩展至其他资产类别和市场





评论