量化投研平台
间隙投研：我们核心优势在哪里？
间隙投研：我们核心优势在哪里？杭州间隙科技有限公司位于杭州钱塘江世纪城广孚中心，是由琛实量化研究团队和钱塘江金融港湾金融科技实验室联手打造的金融科技公司，简称“间隙投研”。
一、间隙投研背景（1）专业团队2013年创建琛实量化研究团队，现有博士4名，硕士6名，国内外一流本科10余人。
团队专注于二级市场的量化交易和对冲交易。
作为国内量化界头部团队，投研对象包括股票、股指期货、商品期货、期权。
目前资金管理规模近10亿。
（2）理论基石—缠论基于缠中说禅原著，注入10年多的品种交易经验，是一款全新的量化分析系统，是目前唯一能用数学手段进行证明的交易理论。
其独创量化战法“定式买卖”，完美诠释新时代的股海战法。
AI软件辅助，以量能为核心的动力学原理出发构建，一站式解决笔、段、中枢精准面图痛点，实现了API批量个股高低点判定。
（3）钱塘江金融港湾金融科技实验室基于缠中说禅原著，注入10年多的品种交易经验，是一款全新的量化分析系统，是目前唯一能用数学手段进行证明的交易理论。
其独创量化战法“定式买卖”，完美诠释新时代的股海战法。
AI软件辅助，以量能为核心的动力学原理出发构建，一站式解决笔、段、中枢精准面图痛点，实现了API批量个股高低点判定。
二、课程项目间隙投研将《琛实理论》场景化提炼，汇编成具有市场普遍借鉴的交易战法。
战法深入浅出，除理论课程、视频教学外，还辅助有自主研发的AI多品种交易软件，以提升学习效率及实战运用。
项目特色特色一：基于缠中说禅，优于传统缠论特色二：十年多品种操盘，丰富实盘性特色三：多场景化教学，AI软件辅助特色四：内容输出团队，同频日常交易三、项目核心优势（1）多维视角1.机构操盘视角，琛实量化研究团队创建人，十年亿级资金操盘经验，丰富的实战盘感明锐性。
2.量化建模视角，长期专注于二级市场的量化交易，观点鲜明，拒绝模棱两可。
计算机的建模逻辑要求：买卖点判定需要用数学手段进行证明。
3.《琛实理论》创作视角，站在琛实缠论全局观，通过推演实时验证，丰富战法的实操性。
金融科技中的量化投资应用研究
金融科技中的量化投资应用研究随着金融科技的快速发展，量化投资越来越受到关注。
量化投资可以理解为利用计算机程序和大量数据进行投资决策的一种投资方式。
它相对于人工投资具有更快的反应能力、更高的效率和更稳定的表现。
量化投资的起源可以追溯到上世纪50年代，当时第一批量化基金开始应用统计学和数学模型进行投资决策。
50年代晚期至60年代早期，学术研究领域中涌现了一批数学和统计学的大师，他们最早提出了著名的马科维茨模型和资本资产定价模型等定量分析模型。
这些模型道路揭开了现代量化投资的篇章。
现如今，随着人工智能、大数据等技术的不断发展，量化投资已经成为金融科技领域的重要应用之一，被广泛应用于交易策略、风险控制等方面。
Quantopian、WRDS等量化投资平台，以及流行的分析软件QuantLib、R，都成为量化投资研究和应用的利器。
量化投资的优势主要体现在以下几个方面：第一，在股票、期货、外汇等市场大量数据积累的情况下，利用计算机进行模型分析和数据挖掘准确性高，比人工分析更为全面独到，使得投资决策更为客观。
第二，量化投资基于众多严谨的数学模型和算法，具有高度自动化、快速反应、操作易用等特点。
这些优势在现代快节奏和巨大交易量的市场中尤其值得重视。
第三，相对于传统的基本分析法、技术分析法等投资决策方法，量化投资策略可以降低情绪因素对投资决策的干扰，极大程度地减轻投资者情绪波动的影响，有效提高投资成功率。
在量化投资中，交易策略是一个非常重要的问题。
交易策略是投资者根据市场情况和交易信号设定的一套交易规则。
交易策略是量化投资的核心，决定了投资组合的盈利和亏损。
量化投资策略有很多种类。
其中，最常见的是市场情绪情感指标，如情感分析指标、主题词指标、热点事件指标以及基于投资者博弈动力学的行为金融学理论等。
市场情绪大幅波动的背景下，情感分析具有一定的优势。
在基于股票价格的交易策略中，可以以趋势为核心，根据股票价格前期走势的特征对股票价格趋势进行预测，以辅助交易策略。
股票网格量化交易软件哪个好
股票网格量化交易软件哪个好
股票网格量化交易软件是一种通过构建网格模型，实现自动化交易的工具。
市场上有许多股票网格量化交易软件，下面将介绍几个较为知名、评价较好的软件。
1. 英为财经：英为财经是一家专注于金融领域的科技公司，旗下产品有QuantShare、宽客在线等。
QuantShare是英为财经推出的一套功能强大的股票网格量化交易软件，提供丰富的交易策略和技术分析工具，并支持自定义编程和数据导入导出，非常适合专业的量化交易者使用。
2. 大智慧：大智慧是一家提供金融信息服务的公司，旗下产品有大智慧终端等。
大智慧终端是一款集行情、交易、研究、资讯于一体的综合性金融工具。
该软件提供了强大的网格交易功能，支持多种交易品种和算法，并且界面简洁易用，适合广大投资者使用。
3. 路演智选：路演智选是一家专注于投资者教育的科技公司，其产品包括了股票网格量化交易软件等工具。
该软件具备自动交易、多策略组合、实时监控等功能，让投资者能够更方便地进行网格量化交易，同时还提供了丰富的学习资料和交流社区，帮助投资者提升技术分析和交易能力。
以上是几个较为知名的股票网格量化交易软件，每个软件都有其特点和优势，具体选择应根据个人需求和实际操作情况而定。
在选择之前，建议先进行试用或咨询其他用户的评价，以找到适合自己的软件。
一体化的投研资管平台-人工智能赋能资产管理
一体化的投研资管平台人工智能赋能资产管理人工智能奇点临近：机器横扫一切DeepBlueIBM特征：规则明确、边界明确挑战：运算量方案：穷举算法PluribusFacebook & CMU特点：规则明确、边界明确挑战：不完备信息方案：纳什均衡+有限搜索AlphaGoGOOGLE特点：规则明确、边界明确挑战：幂级运算量方案：神经网络投资？挑战：部分规则不明确、边界不明确、信息严重不完备、博弈者数量巨大当下人工智能的局限性•图灵1950年提出著名思想实验图灵测试•考察机器能否表现出与人类等价或无法区分的智能机器“思维”的本质机器有“思维”吗？机器学习ML 不使用明确指令，而是依赖于模式和推理，通过经验自动改进的算法•IBM Watson•Google Search Algorithm •Amazon Recommendations •Email SPAM filter有监督的学习无监督的学习1970's 1980's 1990's MACHINE LEARNING深度学习DL DEEP LEARNING以神经网络为架构，对数据进行表征学习的算法•AlphaGo•Natural Speech Recognition•Waymo Level 4 Automated Driving SystemDNNCNN RNN2010's2000's 人工智能AIARTIFICIAL INTELLIGENCE通过计算机程序模拟人类智慧的技术•IBM Deep Blue Chess Program •Electronic Game Characters (Sims)1950's 1960's当下人类在投资过程中的痛点信息处理模型构建知识留存信息获取信息碎片化非结构化信息爆炸处理工具原始运营模式人类不擅长定量预测依赖投资经理非标准化手工操作繁冗、低效AI应用能力技术如何辅助投资：机遇与挑战机遇数据知识技术⏹广度、长度、时效性⏹投资逻辑⏹量化模型⏹大数据⏹人工智能⏹云计算⏹收集、提取、处理信息⏹聚合投资逻辑⏹留存决策模型⏹技术在垂直领域的应用⏹人机合作、分工机制挑战++智能投资智能时代的投资管理平台投前阶段：交易策略、组合管理智能投资智能客服风险模型优化器知识图谱资产配置模型智能搜索引擎盈利预测投研框架模型…采集加工投后阶段：风险管理、绩效评估大类资产管理平台股票，债券，商品，基金，……量本结合研究模式资产配置-基本面-量化-……智能投资应用智能预测，智能交互，智能投资风险管理市场分析组合管理投资研究组合分析仿真交易风险分析组合优化风险控制基础数据行业特色数据股票基金沪深高频债券期权高频汽车产销能源化工房地产有色金属医药生物钢铁农林牧渔热点主题知识图谱新闻公告大数据微信微博电商券商研报交通运输公司概况证券概况公告底层数据模型模块宏观行业在智能资管上的实践研究投资全流程智能研究利用人工智能、大数据、移动应用技术，建立开放、分享、高效的基本面投研平台，满足证券研究过程中高效处理信息、快速挖掘投资线索迫切需求。
国内量化交易平台介绍
国内量化交易平台介绍2012-11-26 05:41 来源：期货日报字号：12 14中低端平台适合投资者进行趋势、反趋势等对行情和交易逻辑要求不高的策略，高端交易平台适合机构投资者进行趋势、套利、对冲、高频等对行情和交易要求高、逻辑复杂度高的策略。
从广义上讲，量化交易是指投资者利用计算机技术、金融工程建模等手段将自己的金融操作用很明确的方式去定义和描述，用以协助投资者进行投资决策，并且严格按照所设定的规则去执行交易策略（买卖、价格、数量等）的交易方式。
按照数学模型的理念和对计算机技术的利用方式，量化交易可以进一步细分为自动化交易（Automatic Trading）、量化投资（Quantitative Investment）、程序化交易（Program Trading）、算法交易（Algorithm Trading）以及高频交易（High Frequency Trading）。
这五种量化交易方式的侧重点各有不同，是量化交易技术发展到不同阶段的产物，也是不同量化交易用户群的不同交易方式。
量化交易平台是指能分别满足上述五种交易方式的平台，要求其从交易系统的行情和基础数据、交易和执行、策略研发和运营三个主要方面既要做到大而全，也要做到深而精。
这对目前大中型金融机构的IT 以及实际运营部门是很大的挑战，同时也提供了发展机遇。
目前的量化交易平台可以从开发语言、技术架构、系统架构、策略方向、交易方式等几个方面，分为中低端和高端量化交易平台。
中低端量化交易平台中低端平台只支持复杂度不高的脚本语言实现策略逻辑，多数的实现只能在图表上加载技术指标进行自动化交易、程序化交易等量化交易方式。
中低端平台一般采用的技术架构是投资者使用平台商提供的客户端软件，采用互联网接入方式连接平台商或者金融经纪公司提供的行情和基础数据服务器，投资者在本地运行的策略触发后，通过经纪公司的普通交易席位进行交易。
由于技术架构的限制，行情、交易有一定的延时。
“量化多因子”到底是个什么鬼？
“量化多因⼦”到底是个什么⿁？ 今年能跑赢沪深300指数的量化基⾦不多，只有南⽅新兴消费增长、景顺长城量化新动⼒、泰达宏利量化、长盛量化红利策略、景顺长城量化精选、嘉实研究阿尔法等少数⼏只基⾦。
但是⾄少让我对量化基⾦产⽣了进⼀步深⼊了解的兴趣。
量化基⾦到底是怎么运作的？经常听到的量化基⾦名字中的“多因⼦”⼜是个什么⿁？今天，我就和⼤家⼀起来巴拉巴拉。
⽬前市场上叫“量化基⾦”的有很多，但是名字中带有“多因⼦”的股票基⾦有4只($建信多因⼦量化股票(002952.OF)$ 、$汇添富成长多量化策略(001050.OF)$ 、$创⾦合信量化多因⼦股票A(002210.OF)$ 、$创⾦合信量化多因⼦股票C(003865.OF)$ )，混合基⾦也有4只($⼴发多因⼦灵活配置混合(002943.OF)$ 、$⼤摩多因⼦策略混合(233009.OF)$ 、$中融量化多因⼦混合(004065.OF)$ 、$上投摩根动态多因⼦混合(001219.OF)$ )。
从下表数据(来源：好买基⾦⽹，截⽌2017年3⽉30⽇)来看，今年以来的业绩表现，都不算好，三只正收益，五只负收益。
表现最好的是⼴发多因⼦混合基⾦，今年以来有6.54%的收益；表现最差的是上投摩根动态多因⼦混合基⾦，今年以来收益为-4.13%(同期$上证指数(1A0001.SH)$ 涨幅为3.4%)。
那所谓的“量化多因⼦”到底是个什么⿁？“机器智能分析选股”、“量化模型选股”，听上去很⾼端，到底有没有⽤呢？我们先来了解下“量化选股”的简单原理。
⽐如股票代码中要有两个“6”或者“8”且不能带“4”，⽐如股票名称要3个字且笔画数不能⼤于24……是这样选股吗？NO NO NO，当然不是！ 正⼉⼋经影响股价的“因⼦”包括像：宏观经济状况、GDP增速、CPI、PPI、基准利率、逆回购量、⾏业景⽓指数、失业率、⾏业前景、⾏业集中度、公司经营状况、净利润率、主营业务收⼊增长率，甚⾄还有天⽓、季节的因素，⽐如降⾬量、⽇照指数、温度变化……这些都可以成为“量化因⼦”指标。
同花顺backtest量化策略
同花顺backtest量化策略量化交易是指利用数学模型和计算机技术对金融市场进行分析和交易的一种方法。
同花顺是国内知名的金融软件，提供了强大的量化交易平台，可以帮助投资者进行backtest量化策略。
backtest是指利用历史数据对某个交易策略进行模拟测试，以评估该策略的盈利能力和风险水平。
同花顺的backtest功能可以帮助投资者快速验证自己的交易策略，提高投资决策的准确性和效率。
首先，同花顺backtest量化策略需要选择合适的交易策略。
投资者可以根据自己的投资目标和风险偏好选择适合自己的策略，比如趋势跟踪、均值回归、动量策略等。
然后，根据选定的策略，设置相应的参数和交易规则。
接下来，投资者需要选择适合的历史数据进行backtest。
同花顺提供了丰富的历史数据，包括股票、期货、外汇等市场的日线、分钟线等数据。
投资者可以根据自己的需求选择合适的数据进行backtest。
在进行backtest之前，投资者需要对策略进行优化和调整。
同花顺提供了多种优化工具和指标，可以帮助投资者找到最佳的参数组合和交易规则。
投资者可以通过不断地优化和调整策略，提高策略的盈利能力和稳定性。
完成策略的优化和调整后，投资者可以开始进行backtest。
同花顺的backtest功能可以模拟真实的交易环境，包括交易成本、滑点等因素。
投资者可以通过backtest结果评估策略的盈利能力和风险水平，了解策略的优劣之处。
在进行backtest时，投资者还可以使用同花顺的回测报告功能。
回测报告可以对策略的盈利能力、风险水平、最大回撤等指标进行详细的分析和展示。
投资者可以通过回测报告了解策略的优劣之处，进一步优化和改进策略。
最后，投资者需要根据backtest结果进行实盘交易。
同花顺提供了实时交易功能，可以帮助投资者将backtest的策略应用到实际交易中。
投资者可以根据backtest结果制定交易计划，控制风险，提高盈利能力。
总之，同花顺backtest量化策略是一种有效的投资决策工具。
什么是量化投资？
什么是量化投资？量化投资是以数据分析和算法为基础的一种投资策略，旨在通过系统化的方法识别和利用市场机会。
相比传统的基本面分析和技术分析，量化投资更加严谨、追求稳定的收益，由于其具有一定的科学性和规律性，因此备受投资者的青睐。
下面我们就来深入了解一下量化投资。
一、量化投资的基本原理量化投资的核心在于建立一套量化模型，通过海量数据的分析和处理，从中挖掘出有价值的信息，寻找市场机会。
其基本流程包括：定义投资目标和策略->数据采集和预处理->特征提取和模型构建->回测和评估->实盘交易和风险控制。
（1）定义投资目标和策略量化投资首先需要定义投资者的风险偏好和投资目标，比如，追求长期稳定的收益、追求较高的收益、抵御市场风险等。
然后根据投资目标选择适当的量化策略，如趋势跟踪策略、套利策略、股票选股策略等。
（2）数据采集和预处理数据是量化投资的基础，包括公司财报数据、股票市场数据、宏观经济数据等，数据采集需要的工具、技术和渠道非常重要。
预处理是对数据进行清洗和去噪的过程，避免数据分析和模型构建时出现误差。
（3）特征提取和模型构建特征提取是将原始数据转化为可用于建模的特征向量，通常包括统计量、技术指标等。
模型构建则是使用机器学习或其他算法对特征向量进行训练，以构建量化模型。
（4）回测和评估回测是将量化模型应用到历史数据上，验证其有效性和稳定性的过程。
评估是对回测结果的分析和总结，包括收益率、夏普比率、胜率等指标。
（5）实盘交易和风险控制将量化模型应用到实盘交易中，需要完善的实时交易系统和风险控制措施，确保交易过程的安全和稳定。
二、量化投资的优点和缺点（1）优点①系统性和规律性：量化投资通过建立量化模型，可以去除人工主观因素的干扰，具有很强的系统性和规律性，更加科学和可靠。
②处理海量数据的能力：量化投资经营的所用数据量极大，凭借先进的大数据技术和高性能计算能力，可以更加迅速分析市场情况和预测市场走向。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
多因子模型风险分析和基于CAPM模型的 单因子风险分析
案例
构建由武钢股份和东 风汽车组成的投组。 对2013/9/11当日进 行风险分析，得到以 上不同部分的风险值 。
Barra多因子 绩效归因分析
Barra模型常被一些国外学者和投资机构用来对投组的 风险和收益进行研究，它能将市场许多的信息进行综 合，得出对投组产生影响的公共因子，然后运用这些 公共因子进行风险预测和归因分析。本功能采用的因 子包括基本面因子和行业因子，其中10个基本面因子 为：交易回报因子、成长因子、相关性因子、价值因 子、杠杆因子、市值因子、价波动因子、流动性因子 、量波动因子、动量因子。
Barra多因子
绩效归因分析
案例
是构建由东风汽车、 中国国贸、首创股份 和上海机场组成的投 组，并分析其14个因 子的累计回报和收益 。分析周期为 20170711~201401 01。
Brison绩效分析模型
Brison绩效分析模型，是基于 Brinson等人在1980年代发表的 论文，将投资组合的收益分为 超额资产配置收益、超额个股 选择收益、交互收益和基准收 益4个部分。 按照绩效分析时长，Brison模 型分为单期模型和多期模型。 运用多期归因分析模型，我们 将提供以下4个分析框架：
Brison绩效分析模型
个股收益分析
分析投组收益中个股的贡献比 例。通过个股分析，还可以提 炼出一些投组运作的规律。个 股收益分析示意图如图一：
图一
基于个股收益分析，还能得到 某只个股、行业和投组的贡献 度比较。以招行个股贡献度为 例，如图二：
图二
投组绩效 指标
亏损交易指标
亏损交易次数 亏损率 总亏损 平均亏损 平均亏损率
股票残差 波动率
风控 因子
行业 因子
（24）
风险因子 回报协方差
矩阵
风格 因子
（10）
风控因子库 说明及查看
下面的案例，是34个 风控因子在2012年 10月的风险因子回报 。同时你还可以提取 股票残差波动率和风 险因子回报协方差矩 阵。
概述
本产品的主要价值，是为用户在投组分析过程中，提供基础的、初步的、 一致性的工具。:3449/#
常用绩效指标风险 信息比率
投组绩效 指标 计算结果示意图如下所示：
投组绩效 指标
以权益曲线为例，将交易绩 效指标绘制图表示意图如下
后续规划
功能模块1~8已在V1.0全部开发和测试工作将于5月下旬完成 ； V2.0版本已规划以下新增和改进功能：
多因子选股和回测； 因子区间回测； 股票Z-score得分；
产品流程及功能
构建投组
基于马科维茨模型构建投组；
投组风险和绩效分析
单因子风险分析； Barra多因子绩效归因分析； Brison绩效分析模型； 投组绩效指标。
多因子模型风险分析和基于 CAPM模型的单因子风险分析
风险控制模型分为两种。一种是从基本面多因子 模型出发，假定股票的回报可以由两部分构成， 一部分可以由因子暴露和因子回报计算得到，一 部分是残差回报，且股票间的残差回报应该是独 立的。另一种是基于CAPM模型，将投组的风险 分为两个部分，一是市场组合可以解释的部分， 一是残差部分。
盈利交易指标
盈利交易次数 胜率 总盈利 平均盈利 平均盈利率
基本指标
初始权益 期末权益 累计盈亏 累计收益率 年化收益率 年化超额收益率 手续费
全部交易指标
交易总数 平均盈利 平均盈利率 连续盈利的交易次数 连续亏损的交易次数 最大回撤 最大回撤时间 最大回撤结束时间
改进因子数据提取，增加其他格式的因子数据导出；（目前仅支持excel导出） 改进Barra多因子绩效归因分析，主要包括增加风险因子的选择，增加因子筛选和因 子测试等； 支持导入外部交易数据进行多期投组绩效和风险分析； 支持生成分析报告并导出； 支持投组绩效指标计算。 支持债券的绩效和风险分析。
V2.0版本已进入预研阶段，计划8月底开发并测试完成。
多因子选股和回测； 因子区间回测； 股票Z-score得分；
产品流程及功能
构建投组
基于马科维茨模型构建投组；
投组风险和绩效分析
单因子风险分析； Barra多因子绩效归因分析； Brison绩效分析模型； 投组绩效指标。
CHAPTER TWO
各流程、功能介绍
量化因子库 说明及查看
量化因子库主要分10类，共计254个因子。目前支持 excel导数据，后续支持其他多种语言提取数据。
股票Z-score 得分
案例
计算平安银行、民生 控股和陕国投A 3支 股票的Z-score得分 。
基于马科维茨 模型构建投组
在投组构建界面，用户可以选择选择单只或 者多只股票，设定Alpha值（初始为页面初 始日期之前一个月(22个交易日)股票的平均 回报），再设定投资者风险厌恶等级，进而 根据马科维茨的有效前沿理论，得出最优投 资组合的各个股票的权重。
量化投研平台
CHAPTER ONE
概述
概述
本产品的主要价值，是为用户在投组分析过程中，提供基础的、初步的、 共性的工具。:3449/#
产品的流程和每个流程对应的功能如下：
因子数据提取
量化因子库说明及数据查看； 风控因子库说明及数据查看；
股票和因子筛选
量化因子库的主要目的是投资决策。
衍生物因子
（2个）
基本面因子
（77个）
技术因子
（68个）
市场因子
（22个）
复合因子
（13个）
宏观因子
（35个）
行业因子
（2个）
事件因子
（29个）
行为因子
（3个）
高频因子
（3个）
量化因子库 说明及查看
风控因子库 说明及查看
风险控制因子数据库 建立在基本面多因素 风险模型基础上，它 假设股票的收益可以 由一系列公共因子和 一个股票自身的残差 收益来解释，主要功 能是提供度量股票波 动率及股票间协方差 矩阵的有效方式。风 险因子包含两个类型 ：行业因子和风格因 子。
大类资产 绩效分析
个股收益 分析
风格资产 配置分析
行业资产 收益分析
Brison绩效分析模型
大类资产绩效分析
将投资标的分为股票、权证、 可转债、逆回购和债券几个大 类。分析不同资产类型在投组 中的贡献比例。但是在权证、 可转债、逆回购和债券层面上 不再继续细分。分析如示意图 所示：
Brison绩效分析模型
因子 区间回测
案例
采用公司总资产、总 资产增长率、流动资 产合计3个因子，按 照因子排名将股票分 为5组进行区间回测 。因子区间回测，可 以判断所选因子进行 股票筛选的有效性。
股票Z-score 得分
Z-Score模型源于纽约大学斯特恩商学院 教授、金融经济学家爱德华•阿特曼对美国 破产和非破产生产企业的观察创立，用以衡 量一个公司的财务健康状况，并对公司在2 年内破产的可能性进行诊断与预测。
风格资产配置分析
投组绩效很大程度上会受到投 资风格影响。本模型将分析投 组收益中有多少比例来自市场 大盘、中盘、小盘和投资风格 （成长或价值）。单期风格资 产配置和风格资产配置历史推 移如示意图所示：
Brison绩效分析模型
行业资产收益分析
分析投组收益主要来自哪些行 业，并计算投组在每个行业内 的超额收益率。行业资产收益 分析如示意图所示：
基于马科维茨 模型构建投组
概述
本产品的主要价值，是为用户在投组分析过程中，提供基础的、初步的、 一致性的工具。:3449/#
产品的流程和每个流程对应的功能如下：
因子数据提取
量化因子库说明及数据查看； 风控因子库说明及数据查看；
股票和因子筛选
产品的流程和每个流程对应的功能如下：
产品流程及功能
因子数据提取
量化因子库说明及数据查看； 风控因子库说明及数据查看；
股票和因子筛选
多因子选股和回测； 因子区间回测； 股票Z-score得分；
构建投组
基于马科维茨模型构建投组；
投组风险和绩效分析
单因子风险分析； Barra多因子绩效归因分析； Brison绩效分析模型； 投组绩效指标。
多因子选股 多因子选股：根据所选指标，构建一个股票组合，计 和回测 算回验区间内股票的绩效指标。
因子选股页面，可以实现排名选股的策略 案例。即通过设定因子和各因子权重，构造 单因子或者多因子组合，得到加权后的因子 值，再根据所得值排序后，根据选定的多空 头的方向和分位点进行多空选股，每日进行 调仓，展示出投资组合主要的绩效指标，和 累积收益率变化情况。
多因子选股 和回测
案例
使用公司总资产和流 动资产合计2个因子 ，在 20130710~201310 15期间做多因子选股 回测。通过因子回测 ，我们能筛选出，在 指定时间内哪些因子 对固定股票组合是有 效的。
因子 区间回测
与多因子选股类似，区间回测也是使用因 子加权后的值。不同的是，多因子选股—般 选择高排名组合与低排名因子组合构造多空 组合进行套利，而区间回测则是根据因子得 分将候选池分成多个区间，并计算每个区间 的收益情况，在更微观层面考察因子排名在 各得分区间的收益变动趋势。