- Lasso 与弹性网络变量选择：用 L1 惩罚把几百个因子压成可交易少数
你有 500 个因子、2000 个样本，直接全量回归——回测里 R² 漂亮，样本外一塌糊涂。这不是数据问题，是自由度把噪声当成了信号。Lasso 用 L1 惩罚把系数逐个压到 0，弹性网络再补一道相关性缓冲，把「几百个因子」压成「十几个真有信息量的少数」。本文用合成的多因子面板（仅 15 个真信号 + 成组相关）从零跑出系数路径、稀疏度阶梯与 OOS R² 对比，并诚实披露：L1 解决的是过拟合，不是帮你印钞（高阶）。
13 min Chinese - 偏度偏好因子：散户为何为左尾买单、机构如何收割
散户对'彩票型'左尾的超额需求推高了高偏度股票的当前价格，未来必然回归——偏度偏好因子用 iskew 排序、多低偏度空高偏度，模拟里月均 +0.64%、年化约 7.8%、夏普 1.7，但真实落地要过前视、幸存者、微盘流动性、偏度估计噪声与散户泡沫挤兑五道关。
16 min Chinese - LASSO 与弹性网络在多因子选股中的应用：把 100 个因子收敛到真信号
当因子数量超过有效样本，OLS 会把噪声因子也装进模型。本文用一段 100 因子 / 10 真因子的合成面板，亲手走完 LASSO(ℓ1) 与弹性网络(ℓ1+ℓ2) 的系数路径、真因子恢复、样本外 IC 与多空组合，所有数字与配图由文末代码真实生成。
11 min Chinese - 博彩偏好异象 MAX：散户为什么爱买彩票型股票
散户为什么爱买「一年涨十倍」的彩票股？MAX=过去一月最大单日收益量化这种博彩偏好，而高 MAX 股票未来显著跑输——本文用分组回测还原这个被行为金融证实的异象，并点明前视、退市、涨跌停、卖空约束四大真实陷阱。
12 min Chinese
返回