【量化】4天学会python机器学习与量化交易-笔记5(p26~p30)

最新推荐文章于 2024-01-11 08:15:00 发布

机智翔学长

最新推荐文章于 2024-01-11 08:15:00 发布

阅读量2.6k

点赞数 2

分类专栏：量化文章标签：量化

本文链接：https://blog.csdn.net/GreatXiang888/article/details/104629662

版权

这篇博客是关于使用Python进行量化交易的学习笔记，重点介绍了如何进行单因子有效性和信息系数(IC)分析。内容包括复习基本概念，通过RiceQuant平台和API获取数据，理解因子与收益的相关性，使用alphalens库进行因子横截面数据的准备和IC计算，以及实战中遇到的问题和解决方法。博主分享了相关视频资源，帮助读者快速掌握量化交易的知识。

摘要由CSDN通过智能技术生成

平台：https://www.ricequant.com/quant
api1：https://www.ricequant.com/doc/rqdata-institutional#research-API-get_fundamentals
api2：https://www.ricequant.com/doc/api/python/chn#wizard-stock
rice quant ipynb：rice quant ipynb

p26 复习

视频：https://www.bilibili.com/video/av55456917?p=26

p27 单因子有效分析介绍

视频：https://www.bilibili.com/video/av55456917?p=27

1，单因子有效性分析，多因子相关性分析以及合成分析
单因子跟收益率之间的联系：因子特征值，收益率当作目标值

最终选出10个因子左右

因子的IC分析：判定因子与收益的相关强度

信息系数IC定义：因子横截面数据与股票的收益相关性，采用斯皮尔曼相关系数。
某期的收益率：(这期收盘价-上期收盘价)/上期收盘价

p28 案例：因子暴露度与收益相关性计算演示

视频：https://www.bilibili.com/video/av55456917?p=28
目标：计算2017-01-03的IC值，得出相关性。（正还是负）
代码：

import scipy.stats as st

# 计算2017-01-03的IC值 （与收益相关）
# 1，2017-01-03的因子暴露值
q = query(fundamentals.income_statement.basic_earnings_per_share)
# 获取的是横截面数据
fund = get_fundamentals(q, entry_date='2017-01-03')[:, '2017-01-03', :]

# 2，2017-01-03, 01-04的股票收益
price_now = get_price(list(fund.index), start_date='2017-01-03', end_date='2017-01-03', fields='close').T
price_next

最低0.47元/天解锁文章