怎么用龙虾分析量化因子

塑料化可以不懂 python， 但是不能不懂因子。代码可以抄，策略可以偷，但是因子不理解就是不行。再牛的模型，再花哨的人工智能，到最后是不是还得靠一堆量化因子来决定买卖？有人说啊，我直接向深度学习啊，我直接把 k 线扔进去就完事了。要知道，因子是已知能产生收益的规律， 深度学习呢，是，我读里边还有未知的规律。二零一五年呢，施坤推出了一百零一个阿尔法因子，一篇二十二页的论文，它是 首次系统性公开了一百零一个经过实盘验证的超额收益因子，也就推动了量化因子从黑乡到开元。那这个论文不仅仅提供了可产生超额收益的因子公式，而是系统的展示了将市场直觉转化为可计算、可回测的数学表达式的思路。 ok， 咱们废话不多说，今天聊量化因子。首先第一个问题，量化因子到底是什么？其实因子就是一个选股规则或者择时规则， 选股的因子就是考虑股票好不好，择时因子就是考虑股票什么时候买，什么时候卖，可以用数学完全表达出来，并且在历史上能看到带来超额收益的特征。你比如说市值小的股票更容易涨 啊，最近一个月涨的多的股票下个月容易继续涨，这些特征就是因子。比如你常听见人说啊，这片有资金在吸筹，洗盘结束要拉升了。 你换个角度理解，就是资金因子流比上量价异动因子，也就是说，近二十日资金净流入大于百分之二十，加放量值涨量比大于一点五，但股价涨幅小于百分之五，那还有呢？比如说这个票跌的差不多了啊，下面有承接。 那转换为因子呢？大概就是超跌反弹因子，比如低价加低估值啊，近三个月的跌幅大于百分之五十 p e， 小 于一点五，用最简单的方法把之前的这种感觉记录下来，当时为什么买？为什么卖？ 那这个逻辑能不能用明确的数字表达呢？哎，看到这里是不是有一个模糊的感觉了？那对于我们个人投资者来说，就是把这种感觉和经验变成可重复、可回测、可以批量执行的规则，从赌的感觉变成靠数据说话，降低了情绪干扰。那先分享一些比较常见的因子， 我们把上面这些简单的因子组合起来，比如同时用五到八个因子作为互补，就能得到一个多因子策略模型。那有人可能要问了， 说有了因子怎么知道它好不好呢？对吧？怎么检验它呢？那其实现在各大的量化平台上都有因子研究的模块，提供了很多因子模型，这里拿某款来举例哈。简单一点，我们在因子看板里找到我想检验的因子，比如这里我选择一个因子， 美股净资产，我们来看看这个因子的表现。这里顺带说一句，检验一个因子有没有用。在构建组合时，先选择多空组合，其次再选择纯多头组合，一定要注意这个顺序哈。通俗解释一下，为什么要先看多空组合，这个多空组合说的是纯因子的强度， 受市场涨跌的干扰，能看出这个因子真正到底会不会选股。那其次再看纯多头，为什么呢？因为我们实盘大概率做不了空，就看他能否跑赢这个精准。那最终决定要不要用呢？还是要看纯多头表现，选择好股票池和时间范围， 就能得到因子的绩效。那我们学习因子啊，是要明白每个因子的金融逻辑，就是看到它交易的本质，而不是说胡乱的搭配，是有明显的金融意义。最后祝大家早日找到自己的阿尔法升杯。

最近这个 openclaw 啊，龙虾实在是太火了啊，全网都在玩，那甚至出现了很多的这个上门安装啊，包括帮你调试龙虾的这样一些服务啊，卖铲子的，那我身边最近也有很多朋友 啊，让我帮他们去部署龙虾，那么这件事情呢，突然让我想起了以前，就是在每一次啊，某一个科技工具刚刚出来的时候，那所有人都是一种这个着急赶热点啊，着急追时髦的这样一种感觉，那比如说当年的这个区块链 啊，公众号，或者说是呃，抖音也好啊，包括跨境电商也好，甚至是这个 g p t 刚刚出来的时候啊，各种各样的 prompt 课程，每一次看起来都像是这个未来的入口，对吧？ 那我先说清楚啊，我并不是反对 opencloud， 那 我自己也是一个重度的 ai 用户，那我在服务器和本地都有龙虾在养， 那么相反，我觉得它确实是一个非常酷的技术突破，那么它代表的其实是一种方向，就是现在的 ai 不 只是可以跟你聊天，而是开始长出了手脚，对吧？它能在电脑里面帮你去做很多的事情，像一个这个远程的员工一样，对吧？你除了看不见它 啊，别的都可以做啊，你可以尽可能的这个使唤它，让它去工作啊，去压榨它，那么这个想象空间其实非常非常大的， 但是问题是什么呢？我觉得问题是现在很多人把它当成了一个 ai 的 入口啊，包括你最近刷朋友圈啊，刷短视频，或者说是你经常能看到啊，各种各样的演示视频，对吧？界面炫酷啊，它能够二十四小时帮你不间断的执行任务，每天还能跟你汇报，看上去好像是 未来已经来了，对吧？ future is coming。 那 于是很多人就开始干嘛呢？开始花钱买课，开始找人带装啊，开始这个买电脑，开始租户期，开始买各种各样的 token plan 啊，买各种各样的 token plan， 那 你折腾了一个星期，你会发现啊，最后你的产出几乎为零。那么这种热潮传播的这么快，其实不完全是因为技术突破，而是因为我觉得它可能特别的新颖，特别的新潮啊，特别的好晒 啊。他的这个视频，你只要现在这个阶段，你只要讲龙虾啊，你的视频就有流量，你的朋友圈发的这个照片就感觉很高端啊，很牛逼。那你好像感觉自己是站在了未来之间一样啊，我比我比你们都要快 啊，就好像是找到了下一个 iphone 时刻一样。但是在任何技术周期里面，我认为最危险的一句话永远都是啊，我绝对不能错过。 那如果你经历过几轮科技的浪潮，那你对这种感觉一定并不陌生啊。比如说当年公众号火的时候，那所有人都在做公众号创业，公众号矩阵，那后来短视频又火起来，那又是全民起号 啊，各种各样的买设备，买手机，对吧？后来 ai 绘画火的时候，那又是一堆这种 mid journey 的 培训班啊， 然后还有 gpt 刚出来的时候，我记得也有什么这种提示词课程。每一轮新的技术出现的时候，都会有非常多宏大的趋势啊，比如说，这是未来的入口啊，这是下一个风口，这是这这，这是你改变世界的机会，对吧？再不上车就晚了，但是你回过头来啊，比如你过几年回过头来再看的时候，你会发现一个非常残酷的规律， 就是这个世界他总是在用一些新的故事去换走你的注意力和时间。所以如果你是一个普通人，你想了解 ai， 你 想进入到这个领域，其实我反而更建议你走一条更慢更稳的路径啊。第一步其实非常简单， 就是你不需要搞这些复杂的模型，复杂的工具，你就是最低限度的理解大语言模型是怎么工作的，你不需要懂编程，你不需要懂数学，你不需要懂什么微积分，但是你至少要知道几个概念，就是比如说 token 是 什么东西啊？那为什么现在的 ai 不是 真的 ai， 它只是在预测下一个词而已， 那为什么他会有所谓的幻觉啊？就是有的时候会一本正经的胡说八道啊，那为什么你跟他聊天聊久的时候，你会发现他忘记了之前的内容，对吧？这是第一步。第二步就是你要把对话窗口给用好， 很多人一上来就会想着学一些这个特别酷炫的工具啊，复杂的技能，但其实我认为像豆包，像 deepsea 这种对话框才是真正的 ai 的 入口，就是你首先要学会把你的问题描述清楚，讲清楚 啊，通过反复追问啊，让 ai 去帮你完善你的提示词，对吧？去理解怎么样跟 ai 的 这个表达交互当中，去结构化，去逻辑化你的表达，那这东西比你所谓的那些买的呃万能的提示词要有用多了。那第三步呢，就是开始建立 啊，慢慢地建立 a 阵思维。那你可以把 ai 想象成你的一个数字员工，对吧？就是数字世界里面的这个打工人，比如说你可以让他帮你总结一些特定内容啊，整理你的这个笔记啊，帮你做一些研究啊， 啊，这都可以。第四步就是你可以把 ai 接入到真实世界里面了啊，比如说让他联网搜索啊，让他帮你做 excel， 帮你做 ppt， 甚至是做一些简单的小工具啊，帮助你提高工作效率。那么最后一步才是 啊，系统化你的工作流啊，把那些有效的提示词变成模板，变成 skill， 让 ai 帮你把整个的流程全部自动化，让它变成你每天能够稳定的产出的这样一个工具。那如果你把这几个阶段都走完了，你再回过头来看 openclaw， 再看龙虾，那么其实 怎么安装啊，怎么用，这都是很小的事情了。现在很多人的这个顺序其实是反的，就是他一上来就想装最炫酷的工具，生怕自己错过了。但如果你的底层逻辑啊，你的底层能力没有建立起来，你根本不了解 这个 ai 的 原理，你不了解大元模型，即使是你用最新的工具，你也用不好它，所以最后的结果就是剩下一堆死龙虾。那就跟当年 这个没做起来的公众号或者说视频号一样啊，对吧？荒废在那儿，有很多的，这个手机放在那儿，技术周期其实一直在重复同一件事情就是你的热点会不断地变化，但是真正长期受益的人，其实永远是在积累底层能力的人。那么我认为 openclaw 很 酷啊，龙虾很酷，但它不是真正的 ai 入口 啊。真正的入口是你的认知，你的表达能力，你的结构化的表达能力，你的工作流啊，包括你的行业经验，以及你能不能把这些内容，把这些能力不断的延伸和复制下去。 ai 对 我们来说是一套全新的操作系统，就跟当年的 windows 是 一样的。 那么真正能够在浪潮当中留下来的，是那些慢慢建立能力的人，而不是一直追着工具跑的人。

ai 到底能不能帮你做交易赚钱？那么今天我们来聊聊最近很火的这个问题呢？我这里指的 ai 是 像豆包这样的大语言模型。你现在打开自媒体啊，打开各种各样的平台，全部都是 ai 做交易的故事。 有的人炒股问豆包呀，问 deepsea， 然后跟着买，再甚至呢，有的人直接把钱交给模型全权操作，那就像最近很火的 open club 龙虾，对吧？没有回测，没有风险模型，只是因为它二十四小时能够待命，不辞辛劳的这个工作啊，看上去又是一顿分期啊，又是实时新闻，又是量价分期，然后就让它自己判断买卖。 听上去很酷，对吧？但是呢，我要泼个冷水，如果你把大语言模型当做一个交易员，那觉得你从此可以躺平解放了，那你大概率会亏欠。为什么？因为你能接触到的大语言模型，例如说豆包也好， deepsea 也好，本质上是做语言预测的， 本质是靠算法做猜字游戏，他擅长的是理解文本，总结信息，推断语义，他不是专门为金融市场设计的。那你在市场上做交易，不是说谁的字数多，或者说谁听起来更合理就能赚钱，而是一个什么，而是一个概率回撤。风险模型还有样本外验证的这样一个统计游戏。如 如果你没有任何的交易和算法经验，单纯让一个大圆模型直接判断买卖，那本质上就是在开盲盒，本质上是在赌，是你在让一个擅长说话的系统去做一个需要动态博弈的金融问题， 那么这个方向就错了。但是这是不是意味着 ai 在 教里面没有用呢？也不是啊，关键在于你让他干什么。如果你让他直接接替你去做决策，去下单，那这个非常危险，因为他对你来说是一个完全的黑箱啊，你对他的训练方式啊，参数设置啊，数据来源完全的一无所知。 但是如果你让他当一个研究助手，那这个就会好很多。真正成熟的股票交易不是说你问模型我买什么东西能赚钱，这个他帮不了你，而是让他帮你设计和完善规则。比如说你的筛选逻辑是什么，对吧？你的策略是什么类型 的？是动量还是反转还是价值，对吧？你的回测区间多长？你的最大回测是多少？那么你的参数敏感性如何啊？你的参，你的这个策略在未来的这个样本外的表现是不是稳健？ 当 ai 的 角色从一个你让他做一个拍脑袋的交易员，变成了帮助你完善规则和流程啊，优化策略，寻找参数，设计风控的这样一个助手，它的价值才真正的体现出来， 它可以帮你生成延伸假设，对吧？快速验证回测，分析你的这个策略的风险，甚至是做一些参数优化。在这种情况下， ai 提升的是你的工作效率，是你的研究速度，而不是代替你的判断。如果你关注我比较久了，你会知道我不断的在跟大家强调金融市场的风险。 在这个时代呢，有一个非常重要的点就是技术的进步并不代表风险消失。 ai 它让语言生成速度变得更快了，但是它不会让你变得更理性。 当我们的效率提高了，对吧？如果你的认知在这个时候没有跟得上，那么你亏钱只会更快。所以大语言模型到底能不能帮你赚钱？答案是能，但前提是你已经有一套能被数学和逻辑解释的交易框架。 你在网上看到所谓用 ai 做交易赚钱的，要么就是幸存者偏差，要么就是他本身就是一个优秀的量化交易员，他非常清楚他自己在做什么，以及为什么要这么做。 如果下次你碰到一个人告诉你，只要你部署一个龙虾啊，部署一个服务器，他能全天候的二十四小时帮你赚钱，那么这个东西就跟十年前，十五年前告诉你买它的量化软件就能躺着赚钱的应该是同一批人。这就是为什么你看到所谓的赚钱的都是拿几百几千块的小资金去赚的，那你问问他敢不敢把他全部的身家放进去。 县级段的大元模型，它可以放大你的研究能力，它可以帮你去研究策略啊，但是它不能代替你承担风险和回撤。如果你只是很轻易的把你的钱和账户交给了一个会说话的模型，那么这个只是换了一种方式的赌博而已。 那如果你把它当成你的研究助手，让他去参与到一个这样的可验证啊，可优化、可赋现的工作流程当中，那么它就是杠杆，它就是你的生产力工具。那么说到底这个市场不会因为 ai 的 热度或者说新供应的出现而改变它统计学的本质。 那在这个市场里面赚钱的逻辑从来都没有变，永远都是正期望加上风险的控制，加上长期执行，那所有的策略都是在实现这一件事。所以 ai 它不是一个圣杯，它只是一个放大器， 他放大你的逻辑，放大你的效率和你的延展性，但同时也会放大你的无知和错误。那区别呢？其实从来都不在于技术，而在于使用技术的人。

open club 最近很火啊，很多人都在养龙虾，当然做我们这种股市投资的，很多人都想着说能不能养一只龙虾来帮你做投资做决策。我个人认为，如果你是做量化的，做短线的可能 可以，但是做量化做短线的，你不一定看得过梁文峰。但是如果你是做价值投资的，我觉得 open club 或者说这种龙虾 ai 智能， 他可以帮你收集数据，做一些材料收集的事情，但是如果你要靠他做最终的决策，我觉得这个不太可行。就像我之前说的，我说有量化 ai， 他 割的 都是假价值投资的钱，割不了真的价值投资者。因为如果一家公司你需要靠 open club 或者 ai 智能给你 决策，你才能看得懂的话，那这家公司其实你也是看不懂的。真正看懂一家公司，有时候你就抓到一些主要矛盾或者说他核心本质的东西，但这些东西 open club 或者说这些 ai 智能是 不一定能把你抓出来的，或者是抓不出来的，他是一个综合衡量的结果，具体问题具体分析的，他没有一个统一的公式。所以我个人觉得真正的价值投资者养龙虾帮你决策不了，但是他可以给你做一些收集性的工作，我觉得是可以的。

大家好，第一次见面，因为我不靠这个工具已经发布了很久了，我大概用了一段时间，从过年到现在抽出一点空闲的时间完成了一个项目，确实是出乎我的意料，确实是一个 ai 制的时代到来的标志性事件， 这个工具可以真的是极大的完善我们目前工作的效率。来说一说我现在在做的这个项目，为什么会选择在这个时间点发视频？因为其实我我做的这一次东西并没有完全完成， 但是看 open ai 目前这个 codex 啊，它 g p p 五点四已经发布了，可能也就有了更完善的 ai 功能， 接下来这个时代确实是变化会非常的大，达得出乎我的意料。来，先介绍一下我们项目，这个整体是以 python 做出来的，界面是用 steam lib 数据库，用的是 java lite， 搭建出来一整个这样一个框架。首先第一点我们要获取到数据，什么业务逻辑我们自己得清楚吧。获取数据，比如说 我们要获取这是静态，静态科技，那后五还静态科技，我们这边有一些数据源，比如说 h c r， 它是免费的。首先我是做了一个接口，终止获取了它的权限复制到 o k， 这个是针对港股的哦，比如说我们打开比方，我们获取了一个零二二八的数据，它在复制到 o k 这里面自动获取了以后 我们再呢个股的分析页面，这是未来的我们换一个零二二八 h k， 零二二八 h k， 这是我们刚获取的平台的一个精号。二，这个是每个交易软件里面都有呢？那，那我们为什么要把它获取到本地的数据库来？我们获取到本地数据库有一个好处，就是我们可以用做后续的计算，当然你也可以实时获取计算，但是速度肯定会比本地的慢很多。 我们要做计算的目的计算是回测，计算出一个自己想要的指标。我们这个平台目前还有个功能，计算是回测，计算出一个自己想要的指标。我们这个平台目前还有个空白，一个三个五获取，还可以回溯一下历史的数据， 这边会有一个五战力差因子，一个很经典的一个量化因子，量化这个可以判断一下宏观的位置，这是一个三百 etf 的 导数，可以减去十年期过债收益，得到了整的一个指标。 因为现在很多量化平台都会把这个公开，这也知大家基本上都知道了。如果做量化，比如说像这个是 rose 矿还是 b 矿的，上面是有的。关于这个我们做了一个 t t m t t m 是 一个动态的，还有一个 pe 温手， pe 温手是一个静态。接下来就是我们为什么要获取水库获取到本地，你说我们整个项目建立在这儿 送，我觉得整个项目的建设来说，以前我个人是不可能去完成的这么多。嗯，整个项目可能你有经验的团队不需要一点时间，也都需要可能至少个把月的时间 才能去完成。首先我们通过一些接口把数据获取到本地的 go live 数据库本地化了以后，我们这里也可以做一个当日更新，就是我们的维策。你看这里，这是我们自己设计的一个因子啊，这里有很多个步骤，首先一个我们是整个因子设计思路是从成交量 还有当日的售盘价，还有田野的售盘价来形成一个数，一列的对数，再去做一个 disco， 把它做一个标准化， 之后做一根计算，权重计算，以后做一个大绳动能，再计算这个嘛，最后我们剥到了一件，再去除以一个二十六的二十六的波动率，这时可以做一个短期或者长期的判断，都可以，我们拿，要不然就拿未来先做一个比方，比喻，我们看一看你有二四年，切，二四年到现在，我们来计算出来 未来，他应该是从龙生水水到现在，我们的英姐会在什么样的位置提示出一个买点，比如说这是超卖的时候，二月一十三啊，十二月十三号，十二月的十三号， 在这附近提示一个买一点，这点也是八月三十号，提示一个买一点。当然为什么我能把这封开出来是一，其实这个东西不准确，我觉得算法还是有这一长多的优化的空间，我希望能看懂视频，这个是能给我提供一些思路的朋友们 给我一些建议，应该怎么样去优化他。除了这个，因为我快手也没有参考进来了，这只是做了一个简单的计算，这是二五年的六月份，去年的那一波涨幅，阿仁后面我把这股已经清仓了，我看他我们再换一个丁哈了二半，你说我们换一个银泰科技的港股， 你甚至看到他在什么时候，这是六十日线，六十日线做一个截断空口，我们选择六十日再做一个精准判断，银泰的上市时间很短，票上市时间非常短， 所以还学等待，用二十个因子也可以推一些东西，但没那么准确。等填数这个公式其实我觉得准确性并不高，有更好的建议。大家能不能给我提一提身体应该怎么做？ 这个平台做出来以后还有一个，我们这念的只是一个因子，最后我们最终还是要进行一个回测，来测试一下。你已经会测我们多双鞋代码了，我就在想能不能把它更简单呢？把这个策略进行会测，反正在问靠，有了以后二人或靠它是可以换大脑的。 你，你在 call copy 里面，你也可以给他换掉他的脑子。你比如说你去联属会爱的 gpt 也是 ok 的， 你想去 阿司洛克的 opus 也可以，都 ok。 当然新的阿司洛克好像不太支持大家去介入这高混课啊。现在我用的是一个阿里的 coinplay， 为什么这时比较便宜，我基本上一个月我是用不完呢？哦，大概播放了一下，是最低一档的 coinplay， 这可怎么配置？你们有疑问也可以问我，也没关系，我可以能帮助的，我会帮助一下 它这。嗯，播放卡安装也是比较简单的，如果你是 mac os 的 话，它有些 skill 可以 在本地化运行。之后，我们这个项目在会测以后，我跳转另外一个接口，比如说我们在这里是剪窗考试，不是边数人。切，我们就选今天的之后跳转过来了。跳转过来以后，你们的一个策略平台， 这整体这两个界面打出来的时间可能不超过两个礼拜，所有的功能包括数据库，就在以前我是根本很难想象的，因为一八一九年的时候我开始接触这些东西，那个时候我当时有个策略是通过爬虫去爬，去钢枪所每日的数据， 港交所的数据，他会公布一个北上的持仓变化，这占占各股的总体比例变化，我们是通过弄虚去筛选出我们的标的来的，但是后来种种原因他不公开了以后，也做了非常久的事件，我们已经所面临将近持续半年，因为我们没有团队，因为我们就是几个人，有些人提供想法 哟，有一些人在做事，几个朋友在一起聊这个事，现在有了我们 cos 工具以后，还包括你对住外界的 cloud code 或者说 codex， 你 各种样的用来辅助工具以后， 整体的门槛确实是下降了许多，而且有很多 sub agent 就是 自带力，可以给你去做一些其他的事情，完全可以把一个项目分工 形成一个，一个人可以独立完成一个大项目的嘚某这样子一个过程，我觉得是对于我们真正有想去做什么的人来说是一个很好的时代。哦，我们自己简单测试一下，把这个泡面分成外卖，你说我们在这筛选， 我们就筛选两天的，实际上约是六五号、六号两天的数据，他这会自动按照这些条件去给我们做这个筛选，我个人来说是很兴奋的，为什么会选择发视频？ 因为这个东西以前确实是难以想象，等他处理完，我们再看一下别的东西。这体制的项目要构架，首先一点，我们是搭建数据库，是存存存，存，在本地些钱的话，包括一些算法，这里又有文件在这， 这是一些下载的一些拍算程序，一些界面的启动程序，适合整个去做一个虚拟环境，在虚拟环境里面跑，我个人认为它能够接下来带给我们开发商的便利是非常大的。以后可能也不需要 有程序员吗？至少不需要有我这样子的单调子程序来做这件事。如果大家对于量化，或者说对于这一块 open call 有 什么其他的意见，你们也可以加我问一问，或者说跟我交流一下，因为我也是在于学习的过程中，甚至说量化的算法这块是个比较难的地方， 我们后面还有一些其他的想法，也可以有兴趣的交流一下，当然这都是很简单的，真正的桌面化的高手们看到我们这些东西，他们会觉得很可笑，也许也许是这样，你只要抱着一个学习的态度去做这件事，来接受它，学习它，新的时代趁势而已经到来啊。

今天指数大涨，随着集合进价，石油板块批量跌停，情绪退潮，只要今天石油没有反弹，没有暴利往上，那今天的指数一定就没有问题，因为现在这两个品种是互相关的， 今天龙虾概念走的不急预期，甚至可以说是比较弱的，原因是在昨天上午的下跌当中， cpu 光模块的跌幅是非常大的，随着石油的风险解除， 科技迎来反弹，所以短线资金没有选择去昨天已经大涨的龙虾概念去承接，而选择了昨天跌幅比较大的 cpu 光模块做修复，这个也是和美股的逻辑相互印证的， 龙虾概念并没有走完，虽然今天几个核心都没有封板，但是也没有严重的负反馈，所以在消化了分歧以后，明天是有继续往上打高度的预期。

百分之九十九的量化新手都踩过这个坑，拼命学 python 超策略，甚至天真到以为把 k 线图扔进 ai 就 能自动赚钱，结果呢，代码跑不通，策略一时盘就亏。所以今天我们不聊代码，我们就把量化交易里最核心但也最容易被忽略的东西因子讲透。 你可以找人写代码，也可以去参考别人的因子，才是量化交易的灵魂，没有它，再牛的模型也都是空壳。而什么是因子呢？ 其实就是已经被市场验证过，并且能够持续赚钱的规律。二零一五年，事宽发表了一篇论文一百零一个阿法因子，第一次把经过实盘验证的因子公式公开，打破了量化投资的黑箱。而这篇论文，它最重要的不只是给大家的公式， 更重要的是它教会了所有人如何把你脑子里面的盘感变成可以计算，可以回测的数学公式。今天我们就彻底搞懂量化投资里面绕不开的因子。 首先，到底什么是因子呢？用大白话来说，就是一套可以帮你赚钱，可以量化的选股规则，或者说是买卖信号。你可以把它理解为把老股民脑子里面的盘感翻译成电脑能够看懂的数字和条件。首先咱们来看几个例子，你一秒就能看懂。 比如说我想要筛选好公司的因子，我们就可以选择像 roe 或者小市值因子。那么对于 roe 因子呢？ 老股民会说这家公司赚钱能力强，靠谱。而翻译成因子的语言就是说，连续三年净资产收益大于百分之十五，且毛利率大于百分之三十。而 小市值因子呢，老股民会说，盘子小，好拉伸。翻译成因子的语言就是市值排名在全市场后百分之二十，且日均成交额大于五千万的。咱们再举一个例子，寻找买卖点的因子。老股民会说，强者很强，买涨得猛的。 翻译成因子的语言就是近一个月涨幅排名前百分之十的股票。而反转因子呢，老股民会说，跌多了会反弹超个底。而翻译成因子的语言来说，就是连续下跌五天，且成交量萎缩到三十天平均量的一半以下。 再举一个更生动的例子，比如说有人会讲，这票明显有主力在吸筹，洗盘快结束了，要拉升了。而翻译成因子就是资金异动因子， 最近二十天主力资金净流入超过两个亿，量比大于一点五，说明放量了，但股价涨幅小于百分之三，说明没有大涨，可能是主力在偷偷的吸筹。 所以你看因子的最大作用就是把你模糊的凭感觉的经验，变成一套清晰可重复，可以交给电脑去历史数据里验证的规则。从此我们就可以告别情绪化交易，用数据来说话。然而，单因子它其实是不够用的，多因子组合才是真正能够赚钱的王道。 任何一个单一因子都会有失灵的时候，比如小市值因子，在某些年份的表现就会很差，想让策略更稳，就得把几个逻辑不同的因子组合起来，而这就是多因子策略。比如说市值因子 加动量因子加资金因子，这样一个组合就能同时从股票基本面、价格趋势、资金动向三个维度来筛选，比只看一个方面要全面的多。当然了，多因子它不是混乱的堆砌，而是要把逻辑互补，东边不亮西边亮，这样策略才能适应不同的市场环境，收益更稳，回撤也更小。 那么要如何去检验一个因子是不是真的靠谱呢？很多新手一跑回测，看到曲线平滑向上，就会兴奋的立马去实盘，结果会一直亏。为什么？因为检验因子比找到因子更重要。检验因子，你只需要问自己三个问题。第一个问题，这个因子能有效区分好股票和坏股票吗？ 那么这里的方法就是分层回测了。我们需要把所有股票按因子值从高到低分成五组，比如按市盈率分成最低估值组到最高估值组，然后看这五组股票未来的平均收益结果怎么看。 对于一个好的因子来说，第一组会长的最好，第五组会长的最差，中间组依次排列。这就像按成绩分班，重点班第一组确实考得很好，说明因子它是有效的。而一个垃圾因子呢？五个组的收益会是乱糟糟的，没有规律，那就说明这个因子基本就是摆设，是无效的。 第二个问题，他的预测能力到底准不准，稳不稳？这里的方法就是去看他的 i c 值了， i c 值衡量的就是你这个因子的排名和未来股票收益排名的相关性有多高。简单来说，就是你根据因子选的股票和未来实际涨的股票是不是同一批。 结果怎么看呢？好的因子他的 i c 值长期稳定为正，比如一直大于零点一，说明你的因子一直挺靠谱， 如果是一个垃圾因子的话， ic 值今天正明天负，就像过山车一样，那他就跟抛硬币没有什么区别了。这次猜对纯属运气，下次可能就会出错了。第三个问题就是实盘的时候收益是否会被手续费给吃光？ 这里的方法就是去看他的换手率，如果一个因子今天选的股票，明天又全换了一批，也就是说他的换手率非常高，那么再高的理论收益也会被榨干。这里的结果要怎么去看呢？ 检验的时候一定要把千分之一到千分之二的交易成本算进去，只有扣掉成本之后收益依旧可观且换手率适中的因子才值得去上实盘。最后想跟大家说一句话，就是千万不要去迷信历史回测里那条完美的曲线，一定要留出最近一两年的数据，不去参与回测，专门用来做样本外的测试， 看看这个因子在他没见过的新试卷上还能不能考出一个好的成绩。所以说量化投资他没有捷径，吃透因子才算真正摸到了赚取超额收益，也就是阿尔法的门槛。

这两天，科技圈最火的名词莫属 ai 龙虾，腾讯大厦排起了长队，小米发布手机龙虾，这股热潮究竟在追捧什么呢？这只俗称龙虾的 openclaw 本至少是一个开源的 ai 智能体。和以往只会聊天的 ai 不 同， 它的核心突破在于动手执行，你可以把它理解为一个七乘二十四小时待命的数字。实习生给他权限和指令，他就能自主地操作电脑， 替你写周报、处理邮件、分析数据，甚至是编写代码。比如有的自媒体博主让他盯着点热点自动写稿，有金融从业者用他每晚自动整理几十页的研报，甚至有创业者让 ai 分 身管理量化交易。当然，目前的龙虾也并非无所不能， 它仍然有使用门槛，而且由于需要极高的系统权限，隐私和安全问题也不容忽视。工信部门最近也发布了相关的安全风险预警。说到底， ai 龙虾代表的是一种趋势， 人工智能正在从嘴替进化为手替，它极大的提升了工作效率，但也考验了我们驾驭工具的能力。所以，你会选择一只龙虾来饲养吗？让我们拭目以待这时代的趋势。

发财，你帮我分析一下今天涨幅前五名的股票里面有哪些值得买，然后点击发送，然后你看啊，他就在我这个虚拟机里边自己去调用。 我，我已经前面训练他了，先上问财去输入上市天数大于三百六十五天今日涨幅排名，他就会自己去找来挨个点击这些个股，打开他的分时图和 k 线图给我一个判断，这就是全程让电脑来操控的， 你看啊，这是手机上他返回的信息，今日涨幅排名前五，他就开始详细分析买入与建议，你看他给出了一些提醒， 我还可以继续告诉他，我刚才让你做的分析是让你再打开东方财富去看一下他分时图和 k 线图，通过技术分析给我，结果你做了没有？走你， 你看他又打开了第二只，这个偷懒他怎么可能是没跟他说清楚啊，以后让他记住好了。他开始回复了，他说你说的对，我确实只打开了啊，让我一次打开对吧？然后给你完整的分析， 然后你看每只票的一些形态，技术指标，最终买入建议顺序，你看有业绩亏损的谨慎，国家太高的不推荐是吧？好的，那你帮我模拟买入。好，你看我这让他做了个模拟仓， 忘记买肉了，后面可以跟踪，我们可以定期跟踪一下，看看实际效果怎么样，来看看他给我多做了多少钱。这是刚才没刷新以前，我让他说了几句话，现在是五十三块钱，刷新一下看刚才花了多少钱，几块钱？五块钱，有成本的，哈哈哈。

大家好，最近 open call 也是比较火，我最近爆肝一周做一个比较有意思的事，中间也是比较坎坷，因为龙虾实在是太费钱了，我就用 codex 结合叉 gpt 五点四做的，最开始的思路也是比较简单，看到了网上的那种 ai 炒股，受到启发才有了这个想法。 我不是做了一个自动赚钱的东西，我感觉那个太不靠谱了，因为我平时算是价值投资吧，一般会研究一下财报，但是做数据量化就比较艰难，我就做了一个可以从财报分析数据的量化工具，把数据可视化体验下来，只能说太棒了。也是来来回回一直想法在更新， 总算是勉强能用了吧。下一期给大家介绍一下基本功能，各位精神股东，关注一下，后续各位可以给一些建议，我部署到服务器上供大家使用。

ok， 跟各位股东们汇报一下，昨天晚上已经完成了建厂这条视频，我们来聊一聊什么是因子投资。传统来说，人们在进行金融投资的时候，总会习惯了去分析公司，对吧？这个公司是好还是坏？他的商业模式怎么样？这种其实非常主观的想法，因为同一家公司可能有不同的看法，有人觉得 这个商业模式上有人觉得不好，那另外还有呢，在传统做资产配置的时候，有人可能会根据，比如像是地理位置啊，甚至根据资产类别啊，来去进行一个资产，呃，资产的配置，哎，我要买多少的日金，我要买多少的这个标普，我要买多少黄金，多少债，多少股， 他们会通过这样的方式去进行配置，这些都是一种方法。那因子投资也是一种方法，只不过因子投资呢？第一个呢，也不依据所谓的资产 a、 b、 a， 它是根据一些数学或者统计学上的这种数据特征来去进行分配，它更加多基于一些可量化的数据特征。那这些可量化的数据特征就是我们说的因子，比如说我们能不能量化一下这个市场上面哪些公司有价值，哪些公司有质量，哪些公司长得好？ 这个其实就是我们所对应的质量因子、价值因子、动量因子。这做一个简单的比喻啊，如果我们把投资比喻成吃饭的话，就好像有的人每天他会想说，哎，我今天是吃麦当劳还是吃兰州拉面还是吃日料？但是呢，健身人就会想，麦当劳拉面、日料皆是表面的现象， 他更关注的是每天吃了多少蛋白质，吃了多少纤维，吃了多少碳水化合物，他根据他每天要吃够的这些营养元素来去决定每天吃什么。那就像我们平时看到你要买多少股票，买多少证券，买多少黄金，这个就是表面上面的，你要吃什么汉堡，你要吃日料的，但底层的这一些元素，这些 蛋白质、碳水纤维就是对应的我们各个可量化的因子。好，那我们接下来说一说这些因子以及怎么去构建的。那这个世界上呢，有很多的这些因子，这些因子是不是越前年越好，越新越好？甚至你一个策略里面是不是越多因子越好呢？ 其实不是的，我个人呢更加喜欢一些更古老的因子，比如说什么价值因子、质量因子、低波动因子、动量因子、小盘因子这一类的。因为其实我们看到有很多的学术论文，现在每年都还会去挖掘新的因子，但这些新的因子就给人感觉，哎，他又找到一个好像可以赚钱的数据量化特征。但其实你跑下来不一定 长期有超额收益，反而是那些传统的被时间无数人验证过的长期有效的因子，这些东西我比较喜欢。 那接下来我们就聊几个比较经典的因子。首先第一个呢就是小盘因子和价值因子。那小盘因子呢？这个非常经典的，因为在因子这一个流派最早的这个 farma french 三因子模型出来的时候，就带有市值因子， 当时他们就认为小盘股的超额收益可能会比大盘股来的更高。那这个呢，就是小盘因子，就相当于你发现了这个市场上面，哎，市值小的公司啊，长期来看，它的收益比市值大的公司更大，对吧？然后你就专门去投些市值小的公司，但有朋友会想说，就这么简单吗？没错，就这么简单 啊，只不过说纯粹的小盘因子呢，现在很多的论文的研究都看起来好像是失效了，好像纯粹的只是因为市值小，好像并没有带来超额收益。这里我也差一句话，怎么去定义这个市值小啊？ 比如说你就在呃全市场取一个市值的中位数，那么低于这个中位数的这些市值的公司呢，就属于小市值，高于它就属于大市值，可以这样去处理。但是呢，也有很多大佬做过研究，就是市值因子其实并没有失效，而是因为小盘股里面太多垃圾了， 如果把那些垃圾公司剔除掉之后，然后剩下来的那些公司小盘依然是有明显的超额收益的。所以这就呃展开了，像是小盘因子跟价值因子的结合，或者小盘因子和质量因子的结合， 那我们就继续往下讲，什么是价值因子和质量因子，以及这些怎么去构建价值因子和质量因子，很多人它会混淆，但其实这两个是不一样的啊，价值因子指的是要买的便宜，便宜的东西有价值，其实它更加像一个性价比的概念，只不过说在一开始的时候定义了叫做价值，叫做 value， 然后就一直被传下来叫价值因子。 但它其实更像性价比的概念，比如说最经典的呢，就是这个市盈率、市净率、市销率这三个，对吧？啊？你就把市场上面，比如说整个市场所有的这些公司的市盈率去做一个排序，然后挑市盈率低的那百分之三十的公司拎出来，这里就构建了一个 价值因子的选股的一个结果。但当然你过程当中还可以做一些市值中心的，行业中心这之类的啊，这个我们就不去细说了，但是原理是不原理，那质量因子有什么呢？如果说价值因子的核心是要买的便宜的话，追求一个安全边际，那质量因子呢，就是要买的好。 我不管你这个东西便宜还是贵，但是我买到的东西必须要是好的。所以质量因子它更多是跟一些财报基本面有关的，比如说你的 o e 的 变化，你的净利润的增速啊，现金流的增速这一些，你通过财报的数据设定一些筛选条件，然后去筛出这个市场上面好的公司，不管它价格贵不贵，直接买进去啊，这个就是质量因子。 那么当你这样做呢，可能会塞出来一些估值比较高的公式，但没有关系的，相信模型，相信策略，贵有贵的道理嘛？所以价值因子呢是买的划算，质量因子呢是买的好。但在这里也说一下，同一个因子可能会有不同的构建方式啊，比如说有一些人觉得质量因子就应该更加侧重现金流层面的 来去构建，有一些人呢，可能会呃，在质量因子这里更加侧重凹义。质量因子里有些人可能更加侧重的数据特征，可能是呃利润表上面的营收的编辑变化，利润的编辑变化，但是这些本质上面都是质量因子，只是构建的方式有所不同而已。其讲到这里插一句话，你会看美股市场上有很多很成熟的那些呃 量化有关的 etf 的 产品，就是通过这些不同的因子构建而成的。比如说有一个 avu 啊，这个不构成任何推荐的，就只是做一个这个案例的一个展示。 avu 其实就是把小盘因子 和价值因子去做了一个结合利用的，就是我前面说的论文研究，就是在小盘股里面找出有价值的东西， 剔掉那些垃圾之后呢，可能仍然存在超额收益。还有像美股市场上面有一些跟质量因子有关的 e t f， 比如说 q l t y q l t i 啊，一个是美股本土的找那些高质量的公司，还有一个呢是去找国际上的高高质量的公司，但是这些在美股市场上一般来说流动性会差一点了， 它这个 e t f 因为这些比较冷门，所以流动性可能会比较差，但从他们上市以来的长期表现呢？看起来还行。然后再接下来我们说什么？再接下来我们说说动量因子和低波动因子啊， 这两个呢是我最喜欢的两个因子，一个进攻，一个防守。先说动量因子，动量因子是非常非常经典的，全球各个市场做金融人有很多人都去研究动量因子，因为它的逻辑非常的简单，强者恒强，弱者恒弱， 长得好的东西接下来会继续长得好，长得差的东西在接下来一段时间里面会继续长得差，对吧？但这个里面其实也有很多的误区， 比如说动量，很多人就会以为就是一家公司在过去长得好，他接下来就会长大，他不是这个这么简单啊，他首先最起码的你要分成横截面的动量跟时间序列的动量。那横截面的动量呢？就是比如说我在某一个时间点， 我去看市场上面的排名的这些公司有标普里面的五百家公司，这五百家公司长得好的靠前，长得差的靠后，这是一个相对的，这种比较长得好就叫横截面动量。还有第二个时间序列动量。时间序列动量就不不比较只看自身的绝对 一家公司在过去如果十二个月都是在上，呃，这个，这个连续上涨了多少多少个月的话， ok， 那 他就存在一个持续动量，他就走出了一定的趋势。 其实啊，其实持续的这种动量呢，更多时候我会把它愿意叫做趋势跟踪。那我自己平时所说的动量呢，更更加指的是横截面动量，因为横截面动量呢，是最传统最纯正的动量因子。好的，那么横截面跟持续动量可以解决我们什么叫做长得好，对吧？相对的长得好和绝对长得好。 那你怎么定义过去一段时间呢？哎，这里也是有一些门道的，我也看了，网上有很多的这种对于动量因子的定义，什么过去一个月长得好的，过去一天长得好的，我觉得都不太靠谱，因为这个是有实际的论文，并且呢是这个 cliff essence 啊，是很牛逼的一个人，大家可以去搜一下啊， fame french 的 学生 写过的一篇论文，做的一个研究，在动量因子这里，他去测试了过去一个月的动量，过去一年的动量和过去六十个月的相对长期一点的动量。 这三个不同时间维度的动量里面呢？短期一个月的跟长期六十个月的动量都不太靠谱，也就是你不能衡量过去一个月长得好，或者过去六十个月长得好，你未来就长得好。如果是按照这样的时间维度去定义的话，不太靠谱的，最靠谱的就是一年的维度，就是从现在这个时间节点过去一年， 但是要剔除最近的这个二月份，剩下的那些月份里面 的累计收益也好，平均收益也好，对全市场的工具取一个排名，然后把靠前的那些挑出来去投资，这个就是最纯粹纯正的横街面动量因子， 我自己试了一下，效果非常之猛，猛的我都有点怀疑人生了，但也有很多朋友说，就这么简单吗？动量因子确实就是这么简单，动量因子就是长得好的在未来会继续长得好。呃，其实这个里面它也是有道理的，因为本身价格就代表了很多的市场的指标。 动量因子呢，就是逻辑非常简单。那只不过你在处理数据的时候可能要麻烦一点。那美股市场上有很多 e t f 是 尝试去捕捉这个动量因子，什么 m t u m 啊，还有什么 s p m o 啊，但是 我觉得没有我的那个动量三十来的猛啊，我自己自己对比了一下。而动量因子还有一个玩法，就是它不只做 long lonely， 它去做 long shot 的 一个结合，去做多动量高的，做低动量差的那些，这个也是一种玩法， 去构建一些零贝塔的策略，但这个以后有时间再给大家展开来说吧，时间不要拖太长。最后再讲一个低波动因子，低波动因子这个也很简单，就是把市场上面波动率低的公司挑出来去进行投资，当然这个因子在构建的时候也是不同有不同定义，多低算低呢？排最后的那百分之三十，最后那百分之二十，最后那百分之十。 ok， 那 本质上面就是去挑选低波动的公式，这个是我觉得一个蛮反直觉的一个事情。那我没有去做过验证啊，因为正常来说，我们说你的收益本质上面是一种风险补偿，而波动又是风险， 你低波动了，你都低波动了，那风险补偿应该低啊，怎么可能会存在超额收益呢？但是我看你有一些论文说低波动因子也能创造一些的超额收益，所以其实在这一点上我自己是没太想明白的。但是看美股市场上面那些低波动因子的走势，哎，感觉还蛮有蛮蛮不错的哈。 这个感兴趣的朋友们呢，也可以继续研究，但我后面也会去看更多的一些跟低波动因子有关的一些研究啊，论文这些 深入了解一下，我还蛮感兴趣的。低波动因子，那为什么低波动还能有操作收益？好吧，那这条视频就给大家介绍一下什么是因子投资。那我自己呢，就是因为我自己工作和家庭的原因呢，工作上面会接收到比较多的我自己处理不过来的信息噪音， 然后在家庭层面呢，又有两个娃，所以实在是没有时间去再做主观多头去研究这些公司。那不如就把投资做的系统化一点，做一些不用钉盘的相信策略就好了。 那相信策略了之后，做了之后我发现不要相信自己，也不要相信别人，相信数据。好的，不知道这条视频这样讲对大家会不会有一些帮助啊？如果你们也对量化感兴趣呢？可以在评论区里面告诉我，后面可以多给大家出一些更加详细的关于基本变量化的一些视频。

今天给大家分享一下我用 oppo club 开发的 ai 量化交易系统，中间一个功能模块，那个 ai 智能机股票分析，然后看我用 我用的数据源是 t 烧，还有那个 ak 十二这几个，还有一个数据源三个，有两个是免费的，然后他现在你看数据源的数据都能拿到了，然后我测试了一个这个票，然后 然后看一下那个生成，生成的那个分析报告，分析报告其实还还挺详细的，然后 分析报告里面他对应的有啊，市场技术分析，还有基本面分析，像基本面分析这种，他他真的很详细这个报表，然后下面有很多，然后很全面的，然后 风险评估，然后风险评估这里面也是分为中信的，然后保守的、激进的，然后一些观点，还有那个这里面给出的一些 ai 智能题给出的一些建议，然后还有一个团队研究的这个 分析报告，然后还有这个感觉，感觉这个还挺全面的。如果你对量化交易系统也比较感兴趣，然后不知道怎么开发， 或者是对那个 apple cola 的 也比较感兴趣，然后不知道怎么安装，或者是因为 skills 有 什么问题，大家都可以交流，感谢大家点赞关注，谢谢！