量化交易-因子有效性分析
判断因子与收益的相关性强度
分析结果
定义：某一期的IC指的是 该期因子暴露度 和股票 下期的实际回报值 在横截面上的相关系数。
因子暴露度：因子本身数值
周期一天：该期的因子值（2023.1.11）、下期（2023.1.12）收益率（截面数据）
计算方式：斯皮尔曼相关系数（Rank IC）
信息系数API
import scipy.stats as st
st.spearmanr(fund['pe_ratio'], fund['return'])
收益率计算
计算价差 每5分钟的 IC值 （5分钟为一个截面）
IF 2212 和 IF2211 价差以及动量因子
求整个周期的IC值，为负值：
将极端值拉回到正常值（不是删除） 分位数去极值、中位数绝对偏差去极值、正态分布去极值。
分位数去极值
from scipy.stats.mstats import winsorize
winsorize(a, limits=0.25) # 两端值
中位数绝对偏差去极值（推荐）
找中位数
每个因子与中位数的绝对偏差
得到绝对偏差的中位数（MAD）
按照MAD_e = 1.4826*MAD，然后确定参数n，做出调整
def mad(factor):
"""
三倍中位数去极值
:param factor:
:return:
"""
med = np.median(factor)
mad = np.median(abs(factor-med))
high = med +(3 * 1.4826 * mad)
low = med -(3 * 1.4826 * mad)
factor = np.where(factor > high, high, factor)
factor = np.where(factor < low, low, factor)
return factor
正态分布去极值（很少使用）
def three_sigma(factor):
"""
正态分布去极值
:param factor:
:return:
"""
mean = factor.mean()
std = factor.std()
high = mean + (3 * std)
low = mean - (3 * std)
factor = np.where(factor > high, high, factor)
factor = np.where(factor < low, low, factor)
std = StandardScaler()
factor = std.fit(factor)
return factor
def standard(factor):
"""
新的X数据集方差为1，均值为0
:param factor:
:return:
"""
# values = factor.values.reshape(-1, 1)
# std = StandardScaler()
# factor = std.fit_transform(values).T
# return factor[0]
mean = factor.mean()
std = factor.std()
factor = (factor - mean) / std
return factor
防止选择的股票在固定的某些股票当中（因子受市值影响）
def remove_market_value(factor, market_value):
"""
:param factor:
:param market_value:
:return:
"""
from sklearn.linear_model import LinearRegression
x = factor.reshape(-1, 1)
y = market_value
lr = LinearRegression()
lr.fit(x, y)
return factor - lr.predict(x)
我正在使用这个:4.times{|i|assert_not_equal("content#{i+2}".constantize,object.first_content)}我之前声明过局部变量content1content2content3content4content5我得到的错误NameError:wrongconstantnamecontent2这个错误是什么意思？我很确定我想要content2=\ 最佳答案 你必须用一个大字母来调用ruby常量:Content2而不是content2。Aconstantnamestart
这是一道面试题，我没有答对，但还是很好奇怎么解。你有N个人的大家庭，分别是1,2,3,...,N岁。你想给你的大家庭拍张照片。所有的家庭成员都排成一排。“我是家里的friend，建议家庭成员安排如下:”1岁的家庭成员坐在这一排的最左边。每两个坐在一起的家庭成员的年龄相差不得超过2岁。输入:整数N，1≤N≤55。输出:摄影师可以拍摄的照片数量。示例->输入:4，输出:4符合条件的数组:[1,2,3,4][1,2,4,3][1,3,2,4][1,3,4,2]另一个例子:输入:5输出:6符合条件的数组:[1,2,3,4,5][1,2,3,5,4][1,2,4,3,5][1,2,4,5,3][
是否可以在PyYAML或Ruby的Psych引擎中禁用创建anchor和引用(并有效地显式列出冗余数据)？也许我在网上搜索时遗漏了一些东西，但在Psych中似乎没有太多可用的选项，而且我也无法确定PyYAML是否允许这样做.基本原理是我必须序列化一些数据并将其以可读的形式传递给一个不是真正的技术同事进行手动验证。有些数据是多余的，但我需要以最明确的方式列出它们以提高可读性(anchor和引用是提高效率的好概念，但不是人类可读性)。Ruby和Python是我选择的工具，但如果有其他一些相当简单的方法来“展开”YAML文档，它可能就可以了。 最佳答案
好的，所以我有了我正在使用的应用程序的这种方法，它可以在生产中使用。我的问题为什么这行得通？这是新的Ruby语法吗？defeditload_elements(current_user)unlesscurrent_user.role?(:admin)respond_todo|format|format.json{render:json=>@user}format.xml{render:xml=>@user}format.htmlendrescueActiveRecord::RecordNotFoundrespond_to_not_found(:json,:xml,:html)end
defreverse(ary)result=[]forresult[0,0]inaryendresultendassert_equal["baz","bar","foo"],reverse(["foo","bar","baz"])这行得通，我想了解原因。有什么解释吗？ 最佳答案 如果我使用each而不是for/in重写它，它看起来像这样:defreverse(ary)result=[]#forresult[0,0]inaryary.eachdo|item|result[0,0]=itemendresultendforainb基本上就
我有以下数组:A=[1,2,3,4,5]B=[2,6,7,1]我想找到不相交的元素，如下:output=[3,4,5,6,7]我是这样实现的，output=A+B-(A&B)但它效率低下，因为我添加了两个数组，然后删除了公共(public)元素。它类似于查找不相交的元素。我能做得比这更好吗？如果是，怎么办？ 最佳答案 如何只选择A中的元素而不是B中的元素以及B中的元素而不是A中的元素。(A-B)+(B-A) 关于arrays-在两个数组中查找不相交元素的有效方法是什么？，我们在Stack
当我刚刚运行middleman时服务，all.css编译得很好，只包含对+box-shadow(none)的调用:/*line1,/home/yang/asdf/source/stylesheets/content.css.sass*/div{-webkit-box-shadow:none;-moz-box-shadow:none;box-shadow:none;}但是当我构建网站时，我得到了这个Sass/Compass错误:$middlemanbuildSlim::EmbeddedEngineisdeprecated,itiscalledSlim::EmbeddedinSlim2.0
目录0专栏介绍1平面2R机器人概述2运动学建模2.1正运动学模型2.2逆运动学模型2.3机器人运动学仿真3动力学建模3.1计算动能3.2势能计算与动力学方程3.3动力学仿真0专栏介绍?附C++/Python/Matlab全套代码?课程设计、毕业设计、创新竞赛必备！详细介绍全局规划(图搜索、采样法、智能算法等)；局部规划(DWA、APF等)；曲线优化(贝塞尔曲线、B样条曲线等)。?详情：图解自动驾驶中的运动规划(MotionPlanning)，附几十种规划算法1平面2R机器人概述如图1所示为本文的研究本体——平面2R机器人。对参数进行如下定义：机器人广义坐标
网站的日志分析，是seo优化不可忽视的一门功课，但网站越大，每天产生的日志就越大，大站一天都可以产生几个G的网站日志，如果光靠肉眼去分析，那可能看到猴年马月都看不完，因此借助网站日志分析工具去分析网站日志，那将会使网站日志分析工作变得更简单。下面推荐两款网站日志分析软件。第一款：逆火网站日志分析器逆火网站日志分析器是一款功能全面的网站服务器日志分析软件。通过分析网站的日志文件，不仅能够精准的知道网站的访问量、网站的访问来源，网站的广告点击，访客的地区统计，搜索引擎关键字查询等，还能够一次性分析多个网站的日志文件，让你轻松管理网站。逆火网站日志分析器下载地址：https://pan.baidu.
一、机器人介绍 此处是基于MATLABRVC工具箱，对ABB-IRB-1200型号的微型机械臂进行正逆向运动学分析，并利Simulink工具实现对机械臂进行具有动力学参数的末端轨迹规划仿真，最后根据机械模型设计Simulink-Adams联合仿真。 图1.ABBIRB 1200尺寸参数示意图ABBIRB 1200提供的两种型号广泛适用于各作业，且两者间零部件通用，两种型号的工作范围分别为700 mm 和 900 mm，大有效负载分别为 7 kg 和5 kg。 IRB 1200 能够在狭小空间内能发挥其工作范围与性能优势，具有全新的设计、小型化的体积、高效的性能、易于集成、便捷的接