【python】优矿多因子策略白皮书学习与思考

背景

本文用来快速理清常见量化思路，其官方提供的多因子此策略白皮书很适合上手。

流程

一、获取因子数据

# 优矿里提供了400多个因子数据，将诸如TTM类似的标准化算法工程化，可利用DataAPI直接获取
pe = DataAPI.MktStockFactorsOneDayGet(secID=set_universe('HS300'),tradeDate=u"20160922",field=u"secID,tradeDate,PE",pandas="1").set_index('secID')
pe.head()
# pe.plot(figsize=(14,5))

secID	tradeDate	PE
000001.XSHE	2016-09-22	6.9680
000002.XSHE	2016-09-22	16.0035
000063.XSHE	2016-09-22	18.3675
000069.XSHE	2016-09-22	11.9858
000100.XSHE	2016-09-22	26.9261

二、因子分析
1、去极值

import numpy as np
# 去极值winsorize
after_winsorize = winsorize(pe['PE'].to_dict())
pe['winsorized PE'] = np.nan
pe.loc[after_winsorize.keys(),'winsorized PE'] = after_winsorize.values()

2、标准化

## 标准化standardize
after_standardize = standardize(pe['winsorized PE'].to_dict())
pe['standardized PE'] = np.nan
pe.loc[after_standardize.keys(),'standardized PE'] = after_standardize.values()

三、构建组合

选股
- 整体分位数：从所有备选股中选择因子得分大于某个分位数
- 风格分位数：以行业为例，在同一行业中选择因子得分大于某个分位数
权重
- 等权重：最常见也最通用
- 市值加权：中证指数编制时的权重考虑因素就是市值
- 风格中性权重：权重由市值和股票所属行业在指数中的权重决定

四、组合构建

    # 信号合成signal = (0.5*pd.Series(signal_pe)).add(0.5*pd.Series(signal_lcap), fill_value=0.0)# 组合构建                wts = simple_long_only(dict(signal), yesterday)

相当于0.5pe与0.5lcap合成信号
学习下series的add方法，fill_value就是都空的时候的默认值。

>>> a = pd.Series([1, 1, 1, np.nan], index=['a', 'b', 'c', 'd'])
>>> a
a    1.0
b    1.0
c    1.0
d    NaN
dtype: float64
>>> b = pd.Series([1, np.nan, 1, np.nan], index=['a', 'b', 'd', 'e'])
>>> b
a    1.0
b    NaN
d    1.0
e    NaN
dtype: float64
>>> a.add(b, fill_value=0)
a    2.0
b    1.0
c    1.0
d    1.0
e    NaN
dtype: float64

这个simple_long_only返回个字典，键是股票名，value是价值权重，也就是说到时候下单按照股票和价值权重买。

    # 交易部分account = context.get_account('fantasy_account')    current_position = account.get_positions(exclude_halt=True)    target_position = wts.keys()# 卖出当前持有，但目标持仓没有的部分for stock in set(current_position).difference(target_position):account.order_to(stock, 0)# 根据目标持仓权重，逐一委托下单for stock in target_position:account.order_pct_to(stock, wts[stock])

思考

去极值中性化标准化，去极值还好，中性化标准化基本就是黑箱，不知道咋算的，可能有人写篇文章告诉咋算的也迷糊到底需要把因子这么做吗？
如果是快速简单写个验证用simple_long_only比较好，需要各种设参数需要用long_only，这函数也是黑箱，比较复杂。
实际学习时候，最好所有实现能自己完成，对比官方函数的区别。

【python】优矿多因子策略白皮书学习与思考相关推荐

python写因子策略_单因子策略进阶版本篇延续（第三期：单因子策略入门版），介绍如何使用优矿平台编写策略代码，以股息率作为择股条件，自动筛选出股息率前十名的股... - 雪球...
来源:雪球App,作者: 爱喝豆汁的投资者,(https://xueqiu.com/2680567071/130470562) 本篇延续(第三期:单因子策略入门版),介绍如何使用优矿平台编写策略代码, ...
优矿量化实验室———转自知乎
出处:https://www.zhihu.com/question/20874888 https://www.zhihu.com/question/20874888/answer/87738147?u ...
量化初步-《python与量化投资从基础到实战》——优矿策略
python与量化投资从基础到实战--策略初步量化数据获取优矿介绍使用方式日行情数据因子数据数据处理数据合并数据透视数据过滤数据获取与整理数据转化: 标准化哑变量通联数据回测 ...
【学习笔记】优矿量化交易入门（一）策略框架编写
半自动化优矿全自动化IB 面向对象策略框架编写 start = '2017-01-01' # 回测起始时间 end = '2018-01-01' # 回测结束时间 universe = Dynam ...
【优矿学习】分析新用户引导的代码
本文中的例子来自于优矿的新用户引导中提供的代码: 记录在优矿这个平台一下学习的回测和取数据用到的基本方法首先第一个策略是新用户引导里面给的,大概干了这么一件事: 回测2017-01-01到2018- ...
从小市值因子策略入手，带你入门量化投资 (附年化收益率77.83%策略)
随着量化投资在国内的兴起,越来越多的人开始研究量化投资.可其中有不少人在学习代码.研究策略的过程中败下阵来,但量化投资其实也可以很简单. 今天,我们以经典的小市值因子策略为例,为大家演示如何借助掘金量 ...
基于夏普比率对因子的筛选，以及基于股票期货交易策略对多因子策略的机器学习算法探讨
试论因子的筛选,股票期货策略,以及基于多因子策略的机器学习算法前言正文股票因子的筛选股票期货策略基于多因子策略的机器学习前言之前参加泰迪杯的,但又没什么时间,自己又是python新手,量 ...
学习Python最好的途径——激发自己的学习兴趣！
Python是当下国内最为火爆的编程语言,没有之一! Python加入计算机等级考试,且即将加入考高,甚至于有小学都开始教授Python! 学习Python最好的途径--激发自己的学习兴趣! Pyth ...
多因子策略-APT模型
导语:APT(Arbitrage pricing theory)定价理论是CAPM的一个推广,它们都是均衡状态下的模型,不同的是:CAPM把收益单纯的归为市场变化这一个因子引起的.APT把收益归因在不 ...

【python】优矿多因子策略白皮书学习与思考

背景

流程

思考

【python】优矿多因子策略白皮书学习与思考相关推荐

最新文章

热门文章