Mermaid能绘制的内容
关键字
图类型
关键字
图类型
pie
饼状图
graph
图
flow
流程图
gantt
甘特图
classDiagram
类图
stateDiagram
状态图
journey
用户旅程图
图（Graph）
引用站外地址
【个人博客】使用Mermaid在Markdown中绘制流程图
6Young
甘特图（gantt）
引用站外地址
【个人博客】使用Mermaid在Markdown中绘制甘特图
6Young
其他类型图（pie、stateDiagram、journey）
引用站外地址
...
Mermaid能绘制的内容
关键字
图类型
关键字
图类型
pie
饼状图
graph
图
flow
流程图
gantt
甘特图
classDiagram
类图
stateDiagram
状态图
journey
用户旅程图
图（Graph）
引用站外地址
【个人博客】使用Mermaid在Markdown中绘制流程图
6Young
类图（classDiagram）
引用站外地址
【个人博客】使用Mermaid在Markdown中绘制类图
6Young
其他类型图（pie、stateDiagram、journey）
引用站外地址
...
引用站外地址
Quantools项目地址
6YoungHome
环境准备测试用数据：demo_close_price点击下载
测试用数据：factor_and_return点击下载
12345678import pandas as pdimport numpy as npcp = pd.read_csv('close_price_demo.csv', encoding='gbk', index_col='date')cp.index = pd.to_datetime(cp.index)ret = cp.pct_change().iloc[1::]cum_ret = (1+ret).cumprod()cum_ret.plot(figsize=(10, 4))
1234567891011121314151617181920 ...
下面介绍的择时评价模型都是用于评价基金经理的选股能力，而量化选股与基金经理选股有异曲同工之妙，当然也可以用来评价量化策略的择时能力。
变量定义
变量名
变量含义
$r_t$
投资组合收益率
$r_f$
无风险收益率
$r_{m,t}$
市场基准收益率
$\alpha$
投资策略策略选股能力
D
相关参数，虚拟变量
$\beta$
相关参数，斜率
T-M模型T-M模型认为一个优秀的投资策略在多头时，能够提高投资组合的风险水平以获得较高的收益，在空头时能够降低投资组合的风险。因此CAPM特征线不再是固定斜率的直线，而是一条斜率会随市场状况变动的曲线：$$r_t-r_f=\alpha+\beta_1(r_{m,t}-r_f)+\beta_2(r_{m,t}-r_f)^2+\epsilon_t$$
若线性回归后结果得到$\beta_2 \gt 0$，说明基金经理拥有正的择时能力。
1234567891011121314151617181920212223242526def tm_model(rt, rm, rf, period='daily ...
引用站外地址
Quantools项目地址
6YoungHome
环境准备测试用数据：demo_close_price_data点击下载
12345678import pandas as pdimport numpy as npcp = pd.read_csv('close_price_demo.csv', encoding='gbk', index_col='date')cp.index = pd.to_datetime(cp.index)ret = cp.pct_change().iloc[1::]cum_ret = (1+ret).cumprod()cum_ret.plot(figsize=(10, 4))
12345678910111213141516171819202122232425# 计算年(季/月/周)化 ...
引用站外地址
Quantools项目地址
6YoungHome
环境准备测试用数据：demo_close_price_data点击下载
12345678import pandas as pdimport numpy as npcp = pd.read_csv('close_price_demo.csv', encoding='gbk', index_col='date')cp.index = pd.to_datetime(cp.index)ret = cp.pct_change().iloc[1::]cum_ret = (1+ret).cumprod()cum_ret.plot(figsize=(10, 4))
12345678910111213141516171819202122232425# 计算年(季/月/周)化 ...
引用站外地址
Quantools项目地址
6YoungHome
环境准备测试用数据：demo_close_price_data点击下载
12345678import pandas as pdimport numpy as npcp = pd.read_csv('close_price_demo.csv', encoding='gbk', index_col='date')cp.index = pd.to_datetime(cp.index)ret = cp.pct_change().iloc[1::]cum_ret = (1+ret).cumprod()cum_ret.plot(figsize=(10, 4))
12345678910111213141516171819202122232425# 计算年(季/月/周)化 ...
今天我们来阅读并学习一下华泰证券的金工研究报告《ESG评价体系与ESG SmartBeta》。
持续更新ing~~~
相关概念其中有两个对我来说较新的名称“ESG”和“SmartBeta”，因此我们首先了解这两个词代表什么。
ESGESG是关注企业环境、社会、公司治理绩效的投资理念和标准，其缩写分别代表代表环境（Environmental）、社会（Social）和治理（Governance）。对于环境，ESG考虑了企业的环保政策、员工环保意识、生产废弃物排放措施等方面对环境的影响；对于社会，ESG考虑了企业社区关系、员工健康、职场性别平等等方面对社会的影响；对于治理，ESG考虑了企业内部权力争夺、管理层的有效监督、高管腐败等方面的公司治理情况。通过观察企业ESG评级，投资者可以评估企业在绿色环保和履行社会责任等方面的贡献，从而作出长期投资判断。
目前，国际社会广泛关注ESG理念，相关评价体系主要包括三个方面：国际组织、交易所规定的ESG披露和报告要求，评级机构针对企业的ESG评级准则，以及投资机构发布的ESG投资指南。在企业ESG评级体系中，不同的评级机构关注的指标略有不同，其中一些 ...
方案1：numpy_ext.rolling_apply基于numpy_ext.rolling_apply的滚动回归需要自己定义一个回归计算的函数，可以直接使用sklearn或者statsmodels库中的方法进行回归计算。
相关环境准备首先安装numpy_ext库，添加清华镜像源可以让下载更快。
12345# 以防有人没有，全部写出来吧pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy_extpip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandaspip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpypip install -i https://pypi.tuna.tsinghua.edu.cn/simple scikit-learn
导入相关环境
1234import numpy as npimport pandas as pdfrom numpy_ext import rol ...
20230805更新~~~
Echarts动态图表hexo-tag-echarts3是一款基于 Echarts 的动态图表插件。
通过npm install hexo-tag-echarts3 --save下载插件。
由于原作者已不再维护，echarts 的版本较老，可以修改./node_modules/hexo-tag-echarts3/template.html文件中的js引用路径：
12- <script src="https://cdn.bootcss.com/echarts/3.8.0/echarts.common.min.js"></script>+ <script src="https://cdn.bootcss.com/echarts/5.2.1/echarts.common.min.js"></script>
修改 echarts 到最新版本后，语法也会相应地改变，请到官网示例自行查询。选择一个需要的图表，调整参数后拷贝option=后面的部分并粘贴到echarts标签内。
...
相伴💕一生~
----洋洋💖嘉嘉----
