|-` )今天来聊聊从别人那里爬过来的量化学习路径吧。
第一步：单因子研究框架
内容包括：
1.数据下载，增量更新，以及读取接口
2.单因子的计算框架，包括计算引擎、配置文件和因子代码模板
3.单因子回测评估框架
第二步：开发因子库
开发难度从低到高为
1.日频量价因子
2.基本面因子
3.利用分钟数据构建的日频量价因子
4.另类数据因子（分析师、舆情等，可能需要额外购买数据，成本比较高，费用一年几十万）
5.高频level数据构建因子（对硬件资源、代码能力（C++）、交易规则都有较高要求）
第三步：Barra风格课题研究
1.Barra因子的计算（和普通的因子一样，用单因子计算框架去计算）
2.Barra风格收益率与个股特质收益率的计算
3.给定一个组合，对组合进行Barra收益归因
第四步：组合优化
1.用因子库的因子+机器学习去预测股票横截面的收益率强弱
2.有了收益率强弱的预测值后，结合Barra风格，使用最优化算法得到满足限制条件的组合
（限制条件包括：1.每日换手率2.持有股票在每个行业的分布范围3.持有股票在规模等风格上的暴露值）
