报告要点
不同频率级别信息含量不同
般而言，频率越高数据信息含量越高，主要体现在两方面切片数据细化带来量价波动的信息含量提升;逐步分解的盘面数据对于交易行为辨识度的提高。
区分积极买入与保守买入，构建买入情绪因子积极买入，投资者所下订单主动与盘口卖盘挂单成交保守买入，投资者所下限价订单挂单等待后续卖单与之成交。根据积极买入与保守买入比建立买入情绪因子。
买入情绪因子呈现优异的选股能力
BM 因子的平均 RankIC 为 0.0724,回测的 2010年1月至 2017 年2月期间内,原始 BM 因子、反转中性化、反转市值中性化 BM 因子的年化超额中证 500 收益分别为 14.53%，13.24%，9.3%。
#量化交易 #量化 #金融与投资 #行业研究 #量化因子 #多因子量化 #量化多因子 #数据分析 #Python量 化 #机器学习
不同频率级别信息含量不同
般而言，频率越高数据信息含量越高，主要体现在两方面切片数据细化带来量价波动的信息含量提升;逐步分解的盘面数据对于交易行为辨识度的提高。
区分积极买入与保守买入，构建买入情绪因子积极买入，投资者所下订单主动与盘口卖盘挂单成交保守买入，投资者所下限价订单挂单等待后续卖单与之成交。根据积极买入与保守买入比建立买入情绪因子。
买入情绪因子呈现优异的选股能力
BM 因子的平均 RankIC 为 0.0724,回测的 2010年1月至 2017 年2月期间内,原始 BM 因子、反转中性化、反转市值中性化 BM 因子的年化超额中证 500 收益分别为 14.53%，13.24%，9.3%。
#量化交易 #量化 #金融与投资 #行业研究 #量化因子 #多因子量化 #量化多因子 #数据分析 #Python量 化 #机器学习
