您现在的位置是：首页 快讯快讯

用多因子策略构建强大的加密资产投资组合：因子有效性检验篇

网络 2024-01-25 06:10:12 快讯已有人查阅

导读

通过分析本期因子值与预期收益率的关系，从而确定因子的有效性。主要有3种经典方法：

，越大因子表现越好。
，通过比较该回归系数是否通过t检验，来判...

欧意最新版本

欧意最新版本app是一款安全、稳定、可靠的数字货币交易平台。

APP下载官网地址

通过分析本期因子值与预期收益率的关系，从而确定因子的有效性。主要有3种经典方法：

，通过比较该回归系数是否通过t检验，来判断本期因子值对下期收益率的贡献程度，通常用于多元（即多因子）回归模型。

（3）分层回测法代码实现

f = {}
returnM = {}
i range((chooseDate)):
df1 = .ini_data[.ini_data[] == chooseDate[i]].(columns=
{:})
Y = pd.merge(df1,.ini_data[.ini_data[] == chooseDate[i ]]
,left_on=[],right_on=[]).(columns=
{:})
f[i] = Y[factor]
returnM[i] = Y[] / Y[]
labels = [,,,,,,,,,]
res = pd.DataFrame(index=[,,,,,,,,,,])
res[chooseDate[]] =
i range((chooseDate)):
dfM = pd.DataFrame({:f[i],:returnM[i]})
dfM[] = pd.qcut(dfM[], , labels=labels)
dfGM = dfM.groupby().mean()
dfGM.loc[] = dfGM.loc[]- dfGM.loc[]
res[chooseDate[i ]] = res[chooseDate[]] * ( dfGM[]) data = pd.DataFrame({:res.iloc[:,],:
[,,,,,,,,,]})
df3 = data.corr()
()
(df3)
res.T.plot(title=)