量化研究---小果因子分析系统使用教程,可转债macd因子为例子

文章链接 量化研究---小果因子分析系统使用教程,可转债macd因子为例子 (qq.com)

因子分析是一种多维变量统计分析方法,用于从多个变量中提取少数公共因子。

具体来说,因子分析的核心目的是通过研究变量之间的相关性,将多个相关联的变量归结为几个较少的公共因子。这些公共因子能够代表原始变量中的大部分信息,而每个原始变量则可以表示为这些公共因子和一个特殊因子(独特性)的线性组合。以下是因子分析的几个关键点:

  1. 提取共性因子:因子分析最早由心理学家C.E.斯皮尔曼提出,他在研究学生的各科成绩时发现,不同科目之间存在一定的相关性,即一科成绩好的学生往往在其他科目上也有不错的表现。这种相关性启发了他从中提取共性因子的想法。

  2. 可观测变量与隐变量:在因子分析中,可观测的变量通常受到背后的公共因子(也称为隐变量)的影响。样本在公共因子上的取值变化会影响其在可观测变量上的取值。

  3. 降维处理:因子分析常用于对多个观测变量进行降维处理,例如将多个问卷题目降维为几个公共因子,这有助于简化数据结构,更容易地进行后续分析。

  4. 多元统计分析方法:它是一种多元统计方法,通过研究指标相关矩阵内部的依赖关系,将信息重叠、具有复杂关系的变量归结为少数几个不相关的综合因子。

  5. 计算因子权重和综合得分:除了用于降维,因子分析还可以用来计算因子权重,以及基于这些权重计算加权的综合得分。

股票因子分析是量化交易中用于评估因子有效性的一种方法。

在股票投资领域,因子分析是一种重要的量化研究手段,它通过对各种可能影响股票价格和收益率的因素进行分析,来预测股票的未来表现。这些因素被称为“因子”,它们可以是宏观经济数据、公司基本面信息、市场情绪指标等。以下是一些常见的股票因子:

  1. 规模因子:通常指的是公司的总市值,它是衡量公司大小的一个指标。

  2. 估值因子:如市盈率(Price to Earnings Ratio, P/E),用以评估股票的估值水平。

  3. 成长因子:例如营业利润同比增长率,反映公司的成长性。

  4. 盈利因子:如净资产收益率(Return on Equity, ROE),衡量公司的盈利能力。

  5. 动量反转因子:以前1个月的涨跌幅来衡量,反映股票的价格动量。

  6. 交投因子:以前1个月日均换手率来表示,反映股票的交易活跃程度。

  7. 波动因子:以前1个月的波动率来衡量,反映股票的价格波动性。

  8. 股东因子:如户均持股比例变化,显示股东结构的变化情况。

1导入因子分析框架

from trader_tool.unification_data import unification_datafrom factor_analysis_frame.factor_analysis_frame import factor_analysis_framefrom trader_tool import jsl_datafrom finta import TAfrom tqdm import tqdmimport pandas as pddata=unification_data(trader_tool='ths')data=data.get_unification_data()

图片

2获取全部的可转债代码

#计算计算指标bond=jsl_data.get_all_cov_bond_data()bond

图片

3计算可转债全部的macd因子

#macd为例子 # factor_data:pandas.DataFrame格式,形如        #   instrument  date      hf_fz_ykws        # 0  000001.SZ  2017-01-03  1.564644        # 1  000001.SZ  2017-01-04  1.521567        # 2  000001.SZ  2017-01-05  1.519973        # 3  000001.SZ  2017-01-06  1.553225        # 4  000001.SZ  2017-01-09  1.367971'''factor_return数据格式instrument  date daily_ret  127005  2018-03-12  NaN  127005  2018-03-13  NaN  2  127005  2018-03-14  NaN  3  127005 2018-03-15  NaN  4  127005 2018-03-16  NaN  .84620  110095 2023-08-25  0.0'''stock_list=bond['转债代码'].tolist()factor_data=pd.DataFrame()factor_return=pd.DataFrame()for i in tqdm(range(len(stock_list))):    factor_data_df=pd.DataFrame()    factor_return_df=pd.DataFrame()    stock=stock_list[i]    instrument=stock    hist=data.get_hist_data_em(start_date='20160101',end_date='20500101',stock=stock)    macd=TA.MACD(hist)    hist['MACD']=macd['MACD']    factor_data_df['date']=pd.to_datetime(hist['date'])    factor_return_df['date']=pd.to_datetime(hist['date'])    factor_data_df['MACD']=hist['MACD']    factor_return_df['daily_ret']=hist['close'].pct_change()    factor_data_df['instrument']=instrument    factor_return_df['instrument']=instrument    factor_data=pd.concat([factor_data,factor_data_df],ignore_index=True)    factor_return=pd.concat([factor_return,factor_return_df],ignore_index=True)    

图片

因子数据

图片

收益数据

图片

分组参数

#group_num分组#factor_field因子名称#instruments参考市场#benchmark参考指数#factor_direction因子方向params = {'group_num':5, 'factor_field':'MACD', 'instruments':'全市场',"benchmark":'00300', 'factor_direction':1}

图片

执行因子回测框架

models=factor_analysis_frame(params=params,factor_data=factor_data,factor_return=factor_return)models.render()

图片

分析的结果

图片

图片

图片

图片

图片

完美看因子最大的值的标的

***********因子值最大的标的**************              date   factor  instrument137083  2024-04-18  17.9279      113615101673  2024-04-18  13.5632      123118283583  2024-04-18   8.9575      123018121191  2024-04-18   8.6597      12310689769   2024-04-18   8.6009      123127***********因子值最小的标的**************              date   factor  instrument1604    2024-04-18 -16.6805      1270971803    2024-04-18 -13.1377      127096296804  2024-04-18 -10.0244      123013300924  2024-04-18  -6.7810      1280411503    2024-04-18  -5.4322      123230(              date   factor  instrument 137083  2024-04-18  17.9279      113615 101673  2024-04-18  13.5632      123118 283583  2024-04-18   8.9575      123018 121191  2024-04-18   8.6597      123106 89769   2024-04-18   8.6009      123127,               date   factor  instrument 1604    2024-04-18 -16.6805      127097 1803    2024-04-18 -13.1377      127096 296804  2024-04-18 -10.0244      123013 300924  2024-04-18  -6.7810      128041 1503    2024-04-18  -5.4322      123230)

因子分析选股交易

图片

图片

图片

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/400.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

线性回归、逻辑回归

线性回归是一种统计分析方法,它利用数理统计中的回归分析来确定两种或两种以上变量间相互依赖的定量关系。这种分析方法在生活中有着广泛的应用场景,如经济学、市场营销、医学研究、教育评估以及人力资源管理等。其表达形式通常为y = wx+e,其中y是因变量,x是自变量,w是权重…

C# 面向对象编程(一)——类 第二篇

总目录 C# 语法总目录 系列链接 C# 面向对象编程(一) 类 第一篇 C# 面向对象编程(一) 类 第二篇 C# 面向对象编程(一) 类 第三篇 C# 面向对象编程 一 ——类 第二篇 简介面向对象编程类 第二篇4. 解构器5.方法6. 事件7. 索引器8. 终结器 简介 主要记录的是面向对象…

Spring 事务 (编程式 声明式, Spring 事务传播机制)

事务 事务是一组操作的集合, 是一个不可分割的整体 事务会把所有的操作作为一个整体, 一起向数据库提交或是撤销操作请求. 所以这组操作要么同时成功, 要么同时失败 Spring 中事务的实现 编程式 (手动写代码操作事务)声明式 (通过注解自动开启和提交事务) 编程式事务 开启事务 …

Module外贸主题开心版下载-v5.7.0版本WordPress企业模板

主题下载地址:Module外贸主题开心版下载-v5.7.0版本 Module主题介绍:采用全新模块化开发,首页模块可视化拖拽自由组合,可自定义搭建出不同行业适用的企业网站。同时主题全面支持WPML多语言切换,可轻松搭建外贸网站。W…

torchEEG工具箱

文章信息: 题目:TorchEEGEMO:基于脑电图的情绪识别深度学习工具箱 期刊:Expert Systems with Applications 环境:pytorch 1.11.0 CUDA 11.3 摘要: ​ 一个python工具箱TorchEEG,将工作流程分为五个模块…

学习STM32第十六天

RTC实时时钟 一、简介 RTC是一个独立的BCD格式定时器,提供一个时钟日历,两个可编程报警中断,一个具有中断功能周期性可编程唤醒标志,RTC和时钟配置系统处于后备区域。 通过两个32位寄存器以BCD格式实现秒、分钟、小时&#xff08…

OKCC搭建配置什么样的服务器合适

OKCC呼叫中心系统是一种采用软硬件结合的架构方式、及分布式的IP技术,从多角度为企业提供整合的一体化解决方案。因此,搭建OKCC呼叫中心系统所使用的服务器应该满足以下几点要求: 稳定性:服务器需要具有较高的稳定性和可靠性&…

Java 异步编程进阶:CompletableFuture 完全指南

在现代应用程序开发中,异步编程已经成为不可或缺的一部分。Java提供了许多用于异步编程的工具和框架,其中最强大的之一是 CompletableFuture。CompletableFuture 不仅简化了异步任务的管理,而且提供了丰富的 API,使得开发人员可以…

Linux常见指令解析

基础命令行 1、rm可以删除文件(rm -d /path/to/directory或者rm -r /path/to/directory) 2、ls是展开文件 在linux中,“ll”是“ls -l”命令的别名,ls命令用于显示指定工作目录下之内容,参数“-l”表示除文件名称外&…

STM32之不使用MicroLIB

一、microlib介绍 microlib 是缺省 C 库的备选库,功能上不具备某些 ISO C 特性。 microlib 进行了高度优化以使代码变得很小,功能比缺省 C 库少,用于必须在极少量内存环境下运行的深层嵌入式应用程序。 二、不使用microlib的原因 由于microlib不支持C++开发,因此在使用C…

Java中函数式编程2

Java中的函数参数 在Java中,函数参数有以下三种形式: lambda表达式。方法引用。匿名内部类。 函数参数无论怎么表示,其原则为:1. 参数列表和返回值类型 与 要表示的抽象函数的相同。2. 方法体内部如果要使用外部变量&#xff0c…

element plus el-date-picker type=“datetime“ 限制年月日 时分秒选择

如何限制el-date-picker组件的时分秒选中!!!!!!! 文档 文档在这里:DateTimePicker 日期时间选择器 | Element Plus 它提供的disabled-date给我们来限制日期选择 nice!&…

mysql面试题四(事务)

目录 1.什么是数据库的事务 1. 原子性(Atomicity) 2. 一致性(Consistency) 3. 隔离性(Isolation) 4. 持久性(Durability) 2.事务的并发问题 1. 脏读(Dirty Read&am…

探讨并行速率的评估方法及实验方案

引言 基础概念 并行计算的类型(数据并行、任务并行) 加速比 并行效率 如何评估并行算法 Amdahl定律与Gustafson定律的介绍 工具与平台 CPU/GPU/TPU等硬件平台的选择 软件和编程框架(如OpenMP, MPI, CUDA) 实验案例 简单…

2024年3月洗衣机大家电线上电商(京东天猫淘宝)销量排行榜

鲸参谋监测的线上电商(京东天猫淘宝)平台3月份的洗衣机大家电销售数据已出炉! 根据鲸参谋数据显示,今年3月份,线上电商平台洗衣机的销量累计约224万件,环比增长了29%,环比增长了约29%&#xff…

ubuntu在线安装mysql数据库

1、命令 在ubuntu上安装mysql数据库,通过命令行的方式在线安装。 命令如下: # 更新系统软件包列表 sudo apt update# 安装MySQL Server sudo apt install mysql-server# 安装完成后,启动MySQL服务 sudo systemctl start mysql# 设置MySQL服…

网络变压器在网络分析仪上能通过测试,装上设备后网速达不到呢?

Hqst华轩盛(石门盈盛)电子导读:今天和大家一起探讨网络变压器在网络分析仪上能通过测试,装上设备后网通设备网速达不到的可能原因及其处理方式 一、出现这种情况可能有以下原因: 1.1. 设备兼容性问题:设备其它元器件与 网络…

14、ESP32 经典 Bluetooth

ESP32 上的内置经典蓝牙相比低功耗蓝牙较为简单&#xff0c;可以和 Android 智能手机之间交换数据。下面是官方例程&#xff1a; #include <Arduino.h> #include "BluetoothSerial.h"// 检查蓝牙是否正确启用 #if !defined(CONFIG_BT_ENABLED) || !defined(CO…

MATLAB绘制复杂分段函数图像

MATLAB绘制复杂分段函数图像 clc;close all;clear all;warning off;%清除变量 rand(seed, 200); randn(seed, 200) % 定义 x 范围和分辨率 x linspace(-2, 2, 1000); % 初始化 y 数组 y zeros(size(x)); % 分段定义函数 y(x < 0) x(x < 0).^2; y(x > 0 …

一个例子搞懂模型训练和参数更新的过程

模型训练和更新参数的过程是机器学习中的核心。这个过程通常涉及多个步骤&#xff0c;包括前向传播、损失计算、反向传播和参数更新。下面我将通过一个简单的线性回归模型的例子来解释这些步骤&#xff1a; 线性回归模型示例 假设我们有一个简单的线性关系 y w x b ywxb yw…