量化交易中的因子发现与筛选方法

---

一、因子发现方法

1. 数据驱动挖掘

• 统计方法：通过相关性分析、协整检验、Granger因果检验等，从历史数据中寻找与收益率显著相关的变量。
• 机器学习：使用随机森林、LASSO回归、梯度提升树（如XGBoost）等算法自动提取有效特征。
• 事件驱动：分析财报发布、政策变化、市场事件对价格的影响（如财报超预期因子）。

2. 理论驱动构建

• 行为金融学：基于投资者心理偏差设计因子（如过度反应因子、羊群效应因子）。
• 风险溢价理论：捕捉风险溢价（如波动率风险溢价、流动性溢价）。
• 套利定价理论（APT）：基于多因子模型（如Fama-French三因子、五因子模型）。

---

二、 …

阅读更多

高频量化交易中的因子发现与策略类型

---

一、高频量化因子的发现方法

1. 数据来源

• 订单簿数据
  • 买卖盘口价格、挂单量、撤单量、订单队列深度
• 逐笔成交数据
  • 成交时间、价格、成交量、主动买卖方向
• 市场微观结构数据
  • 隐含波动率、流动性指标（如买卖价差）、订单流不平衡（OFI）
• 另类数据
  • 新闻舆情、Level 3行情、交易所高频情绪指标

2. 因子挖掘技术

• 统计方法
  • 自相关性分析：识别价格或订单流的短期惯性
  • 协整检验：发现跨市场/品种的短期均衡关系
  • 高频波动率分解：基于已实现波动率（Realized Volatility）
• 机器学习
  • 时间序列模型：LSTM/Transformer捕捉订单流时序模式
  • 强化学 …