崔建平
量化研究员
10年经验
2025-04-17
个人介绍：1,熟练使用 alphalens 框架,进行因子 IC 分析.股票经验8年
2,熟练使用 python 爬虫技术如:requests,xpath,BeautifulSoup,re,selenium，
3,熟练使用 numpy,pandas,matplotlib,scipy,tailb,sklearn，tensorflow等
4,熟练使用机器学习各种回归和分类算法及深度学习.K-邻近,贝叶斯,决策树,随机森林,kmeans 聚类.卷积神经网络，建模分析。
5,熟练使用米筐,聚宽,掘金等量化平台,用 python 语言进行策略构建回测。
6，熟悉 ubuntu 操作系统，进行策略定时部署。
7，淘县选手。
项目经验：项目概述:基于米筐量化平台，提取股票数据，利用 numpy、pandas、matplotlib、scipy、talib、sklearn 第三方处理库进行因子与收益率之间相关性分析。利用 alphalens 框架进行因子 IC 计算及图表的绘制。根据每个因子的 IC值，IR,，和平均收益为每个因子打分，排序后再计算因子之间的相关性，相关性高的用 PCA 降维，合成一个因子。最后选取因子的 IC 值大的因子 进行选股。常用的是打分法选股（打分后，利用 pandas 进行数据拼接，选取靠前的股票）,股票选出后利用 CAPM 模型,确定投资组合各股票投资比例.
项目流程:
项目流程:
1，获取的数据，利用 pandas，sklearn 进行特征工程处理：如市值中性化,缺失值处理，中位数去极值，标准化处理.
2，利用 alphalens 框架，得到处理后的 IC值，IR,，和平均收益.这三个指标都打分，三项综合得分高的因子，为价值较高的因子。
3，选取靠前的因子，根据因子的方向性，为每个股票的各个因子上的数据排序后打分，正相关的就大到小排列，负相关从小到大排列，比如越靠前的分数打的越高，然后再用 pandas 进行拼接，求出拼接后的每个股票的总和得分，得分高的自然是隔期上涨概率最大的股票。
4,选取得分高的前几只股票作为股票池.
5,获取历史数据,利用 CAPM 模型,进行蒙特卡洛模拟,选取夏普比率最高的权重,作为投资比例.
技 能：
其他
接单发单QQ群
代做毕设课设，实验报告，论文复现，商业软件开发等
有代做需求联系群主
客服QQ
客服微信