内容为2018年在私募公司实习，所学习知识、所完成工作任务的总结。
一共包括以下四部分：
- Part1：量化投资基础知识学习
- Part2：因子测试流程学习
- Part3：公司因子测试库学习
- Part4：独立完成的因子测试任务
前三部分均为md文件，存放在notebook文件夹，主要是平时学习内容的框架总结，基于简单明了的快速学习，因此其中涉及到具体的金融理论模型，还有待研习。
第四部分是实习的主要工作，也是在完成前三部分学习后，开展的因子挖掘和因子测试任务，包括说明和代码，存放在code文件夹。
| 一般工作流程 | 阅读证券公司研报+因子测试验证 |
|---|---|
| 整体思路： | 根据不同的特征组合，使用机器学习算法预测股票涨跌幅的概率，将预测概率值作为因子进行测试。 |
| 滚动预测周期 | 一般采用股票信息的月频数据或者周频数据，前12个月的数据作为训练集，预测下一个月的概率值 |
| 主要使用工具 | jupyter notebook |
（PS：因为测试股票数据全部来源于公司<公司数据购买于choice金融终端和聚宽>，不能进行公布，因此只提供数据说明和流程代码。）
主要完成任务
-
基于股价大幅波动的另类选股因子研究：采用logistic 模型估计股票在未来1个月的大幅下跌概率，并以此作为选股因子；在15%、20%、25%、30%、35%和40%（5%，10%）等阈值计算下跌概率的选股因子
-
116组合因子测试（根据公司现有的116个因子进行特征组合，完成预测）
-
分类：根据股票涨跌幅分类（上涨的前30%划为1，后30%为-1）
-
回归：预测股票涨跌幅度的具体数值
-
-
150组合因子测试：根据150个已有的特征值进行股价涨跌幅的分类预测，完成概率因子的测试
-
158组合因子测试：根据['mom','emotion', 'pricevol', 'minute', 'finance', 'valuation', 'alpha191','growth'] 八大类因子组合测试（共计158个因子）进行股价涨跌幅的2分类预测，完成概率因子的测试
-
风险因子测试：根据10个风险因子进行股价涨跌幅的分类预测，完成概率因子的测试
-
Alpha测试：根据192个Alpha因子进行股价涨跌幅的2分类预测，完成概率因子的测试。
<每个任务对应code中相应文件>