ML4T · 第 4 章 Alpha 因子研究与特征工程

ML4T · 第 4 章 Alpha 因子研究与特征工程

章节摘要:本章属「因子篇」,是全书的上手核心。讲清如何把原始市场数据转化为能预测收益的 Alpha 因子。先用特征工程方法论搭建因子构造的通用流程;再用 TA-Lib 计算几十种经典技术指标;接着引入卡尔曼滤波与小波去噪两种高级信号处理手段;然后用 Alphalens 系统化评估因子的预测力——信息系数(IC)、分组收益、换手率;最后落到单因子与多因子回测,把因子组合成可执行的策略。本章共 5 节,前置依赖为「第 2 章」。

学习目标

阅读完本章,你应当能够:

1. 用特征工程方法论系统化构造因子。
2. 调用 TA-Lib 计算经典技术指标(动量、波动、成交量)。
3. 用卡尔曼滤波与小波去噪处理噪声大的金融信号。
4. 用 Alphalens 评估因子的 IC、分组收益与换手率。
5. 完成单因子与多因子回测,把因子组合成策略。

⚠️ 本章涉及因子回测,仅供学习研究,警惕过拟合与数据窥探,IC 高不代表实盘可盈利。

核心概念速览

Alpha 因子的本质,是从噪声中提取可预测收益的稳定信号。

子章节导航

01 特征工程

特征工程方法论、滚动变换、平稳性与防数据泄露。

02 TA-Lib 技术指标

TA-Lib 库的动量、波动、成交量等各类技术指标。

03 卡尔曼滤波与小波去噪

卡尔曼滤波做动态估计,小波变换做信号去噪。

04 Alphalens 因子评估 IC

Alphalens 评估因子:IC、分组收益、换手率、衰减。

05 单因子与多因子回测

把单因子组合成多因子策略并做完整回测。

子章节之间的逻辑关系

本章第 01 节(方法论) ──► 第 02 节(TA-Lib) ──► 第 03 节(滤波)
   │
   ▼
第 04 节(Alphalens 评估) ──► 第 05 节(多因子回测)
   │
   ▼
下一章(第 5 章 策略评估与组合优化)
​

前置知识与后续延伸

前置知识:

• 第 2 章(市场数据)

后续延伸:

• 第 5 章策略评估会用本章因子做完整回测
• 第 7 章线性模型会把因子作为回归特征