量化因子挖掘全景进阶课件.pptxVIP

QUANTFACTORCOURSE量化因子挖掘全景进阶课件数据·因子·模型·组合2026年

课程导览01认知重构厘清因子挖掘的本质与常见误区02数据地基数据源、清洗与特征工程基础03因子锻造因子构建、筛选与有效性检验04模型验证因子合成、回测与过拟合防范05组合落地从因子到组合的工程化实践06前沿展望机器学习与另类数据的新范式

01认知重构因子不是圣杯，是可验证的假设从误区出发，重建对因子挖掘的正确认知

量化因子的本质与价值因子是对未来收益具有预测能力的可量化特征因子把市场规律抽象为可计算、可检验的数值信号逻经济逻辑本质可计算、可检验的数值信号效有效因子双重要求需同时具备经济逻辑与统计显著性稳稳定性价值核心价值在于稳定性与可复用性，而非某次回测的惊艳表现

因子挖掘的四大误区数据挖掘与因子挖掘之间，只差一层经济逻辑挖掘因子之前，先避开这四大误区4类纯数据挖掘脱离经济含义，极易产生过拟合过度优化样本内反复调参，样本外迅速失效幸存者偏差只用当前存续标的回看历史前视偏差无意中引入未来信息

因子类型体系全景因子家族可按数据来源分层归类类型数据来源典型特征量价因子行情与成交动量反转波动基本面因子财务报表估值盈利成长情绪因子舆情与资金关注度资金流向另类因子非结构化数据供应链卫星遥感

因子研究的标准流程因子挖掘是一条从假设到落地的完整链路因子研究遵循假设→数据→因子→检验→