|
|
因子分析是量化研究的基本技能之一。通过因子分析，找出有效的因子，通过相关性去重后，就可以通过机器学习、线性回归等方法把因子组合起来，构成交易策略。这一篇笔记我们就介绍如何使用 Alphalens 来进行单因子分析。我们使用的因子是低换手率因子。股谚有一种说法，**天量见天价，地量见地价**。其背后的原理是，当成交量达到天量时，击鼓传花的游戏将后继乏人，难以持续，因而股价大概率回落。而成交量出现地量时，显示成交极为冷清，被套者无人愿割，因此由于失去做空力量，从而有可能向上反转。---衡量成交量的大小，我们可以有两种方法。一种是在时间维度上，我们使用成交量是多少天（n）以来的最小值、最大值来表示。n 越大，包含的信息量就越大；另一种是在横截面维度上进行排名，此时需要先对成交量进行对齐，对齐的方式，就是将成交量转换成换手率。!!! info 换手率换手率是一定时间内，市场中标的转手买卖的频率，是反映标的交投活跃程度的指标之一。它的计算公式是$$换手率 = \frac{成交额}{流通股数}$$手工计算需要两方面的数据，一是每日的成交额，另一组是流通股数。流通股数是一个低频变化的数据，也需要进行复权，计算比较复杂。所以，我们一般直接从数据源处获得此数据。这篇笔记我们仍然使用免费的 akshare 来获取相关数据。不过，考虑到 QMT 量化权限的开通门槛现在已经很低了，只要开通了 QMT，也就相当于**免费**获得了这些数据，因此后面的笔记就会主要使用 QMT 来获取数据了，只有在某些品种 QMT 还没有提供时，我们才会使用 akshare。我们的低换手率因子将构建在沪深 300 成份股上。整个构建过程是：---💡 1. 获取沪深 300 成份股代码💡 2. 获取一段时间内 300 成份股的价格和换手率数据💡 3. 生成 alphalens 需要的 factor 和 forward returns 数据💡 4. 进行因子检验分析Alphalens 能生成的报告非常多（下图为其中之一），所以，第 4 步我们将分几篇笔记详细进行介绍。一个完整的因子分析流程包括原始数据获取、生成因子、数据（及因子）预处理、因子检验。预处理包括缺失值统计、中性化、去极值、标准化等操作；因子检验则有 IC 法、分层回测等方法。因子生成因为涉及到核心算法，需要由研究员自己完成，其它的部分，我们掌握原理之后，就可以借助框架来完成。不过，在本例中，因子生成无须另外构造，我们直接使用换手率就好。---## 获取数据我们通过下面的代码来获取沪深 300 成份股代码：```pythonimport akshare as akdf = ak.index_stock_cons_csindex(symbol="000300")secs = df["成分券代码"]secs```我们通过 index_stock_cons_csindex 这个 API 来获取指数成份股，沪深 300 的代码是 000300。你将会看到 000001, 000002 等输出。akshare 输出的证券代码很多时候是不带交易所（前）后缀的。接下来我们获取这些标的的收盘价和换手率。在 akshare 中，stock_zh_a_hist 这个 API 的返回值中，同时包含了收盘价和换手率：---```pythonbars = ak.stock_zh_a_hist("000001", adjust="hfq", start_date="20150104")bars.tail()```返回值有很多列，我们只关心日期、收盘和换手率这三项。这个 API 有一个 adjust 参数，即要求我们选择复权方式。在本例中我们使用 qfq 和 hfq 都没有任何区别，但是不能使用不复权数据。熟悉了 akshare 的基本 API 之后，我们就正式获取数据，并将它转换成 alphalens 所需要的格式：```pythonfrom typing import Listdef prepare_data(secs: List[str], start: str, end: str): factors = [] prices = [] for sec in secs: bars = ak.stock_zh_a_hist(sec, adjust="qfq", start_date=start, end_date=end) bars["asset"] = [sec] * len(bars) prices.append(bars[["日期", "asset", "收盘"]]) factors.append(bars[["日期", "asset", "换手率"]]) # 处理因子表 factor = pd.concat(factors) factor.rename(columns = {"换手率":"factor", "日期":"date"}, inplace=True) factor["date"] = pd.to_datetime(factor["date"], utc=True) factor.set_index(["date", "asset"], inplace=True)```---alphalens 进行分析时，需要的 factor 数据表的格式如下：关键之处是，它是必须是一个由 date + asset 的双重索引的 DataFrame。而这个 dataframe 应该只有一列，列名字没有规定，但建议使用 factor 这样的列名字，这样更容易理解（bad example here!）。stock_zh_a_hist 只能返回个股的行情数据。我们要先给它增加 asset 列（其值为个股代码），然后简单地将每支个股的换手率数据拼接成一个大的 dataframe，再进行重命名、设置多重索引就可以了。这里要注意， alphalens 要注日期时间字段为 timezone-aware 数据，即要设置时区，并且两个表的时间要一致。---akshare 返回的日期字段类型为字符串，所以我们要进行一次转换。但像换手率、收盘价数据则已经是 float64 格式了。```pythondef prepare_data(secs: List[str], start: str, end: str): ... # 接上一段代码， 处理 PRICES 表格 prices = pd.concat(prices).pivot(index="日期", columns="asset", values="收盘") # 价格表 INDEX 类型转换： STR -> DATE prices.index = pd.to_datetime(prices.index, utc=True) # 价格表 INDEX 名字必须转换为'DATE' prices.rename_axis('date', inplace=True) return factor, prices```prices 表格必须转换成以下格式：格式的要点是，它是以日期为索引，每个 asset 的代码为列的一个 dataframe，每一个 cell 的值则是当天某个 asset 对应的收盘价。先将各个子 price frame 拼接起来，然后通过 pivot 函数，对表格进行转换，最终就得到上面的格式。这个转换如下图所示：---现在，我们就得到了符合 alphalens 要求的数据。数据准备工作已经完成。## 数据预处理处理缺失值、中性化、标准化等工作，如果有必要，alphalens 将会为我们处理。alphalens 提供了 get_clean_factor_and_forward_returns 这个 API：```pythonfrom alphalens.utils import get_clean_factor_and_forward_returnsfactor_data = get_clean_factor_and_forward_returns( factor, prices, bins=None, quantiles=10 )factor_data.tail()```经过预处理后的结果如下：---因子分析有绝对收益法、IC 法和分层法，这在 Alphalens 中是同步处理的 -- 你可以选择只看某个分析结果，但在预处理阶段，我们必须把相应的参数传递进去。这里的参数 bins/quantiles 就是用来分层的。bins/quantiles 的用法类似于 dataframe 的 cut 或者 hist() 函数中的同名参数。这里我们简单介绍一下。上例中我们指定了 quantiles=10，它是把每一天的因子数据从小到大排列后，按 len(df)/10 进行切分，即每个分片中，大致落入相等的因子记录（由于缺失值处理等原因，所以不会完全相等）。我们可以 group 之后，看下结果：```pythonfactor_data.groupby("factor_quantile").count()```如果我们不使用 quantiles 参数，而是指定 bin 为 10，则它会把区间 [min(factor), max(factor)] 进行均匀划分，即每个 bins 的宽度一样，但落在 bin 中的个数不一样， groupby 之后的结果如下：---两相对照，两个参数的异同不言自明。现在，我们就完成了因子分析的前三步，接下来，我们将在下一篇笔记中介绍低换手率因子的结果。``````
免責聲明：如侵犯您的權益敬請通知刪除。 |
|
發表於 2024-1-9 09:33:04
