400+量化因子（原创！数据源：CSMAR）

400+财务因子数据，可用来做学术研究、构建量化投资策略，数据来源为CSMAR，国内权威的经济金融数据平台。

因子构造说明：
使用A股（沪深主板+创业板）样本，采用学术研究中常见的single sorting构造long-short portfolio。具体地，在每月末，对于每个财务指标，根据其将所有股票分成按照指标的20%、40%、60%、80%分位数分成5组，然后计算指标最高20%的股票组和指标最低20%的股票组的月均收益率差值：如果大于0，则买入(long)指标最高20%的股票，卖空(short)指标最低20%的股票；如果小于0，则买入(long)指标最低20%的股票，卖空(short)指标最高20%的股票，从而得到long-short投资组合。持有该投资组合一个月，到次月月底重新按照上述规则构造投资组合。如此循环，得到的月度收益率时间序列即为该财务因子的月度收益率时间序列。

在获取财务数据时，为了避免前视偏差(forward-looking bias)，每月末使用的财务数据都是根据在当时能够获得的CSMAR上最新数据。比如，在2019年年报的会计年度虽然为'2019-12-31'，但是实际年报发布时间为'2020-04-12'，则在2020年12月、2020年1月、2月、3月月底使用的财务数据均来自2019年第三季度季报（即最新更获得财报数据），而在2020年4月底才能使用2019年年报的数据。

此外，我们还提供了允许前视偏差的结果，可以和避免前视偏差的结果进行对照。但需要注意的是，如果为了构建量化投资策略，不能以包含前视偏差的结果作为依据，因为实际中不存在“前视”。

对于每个财务指标, 我们分别构造了等权重和总市值加权的投资组合（因子）。
对于每个因子（即月度收益率时间序列），我们计算了其月均收益率、显著性（Newey-West调整t值）、月波动率、月度夏普率、最高月度收益率、最低月度收益率、盈利月份占总月份比重、single sorting得到的5组投资组合的月均收益率单调性（pearson、spearman相关系数）

考虑到不同行业间的财务数据可能缺乏可比性，因此，我们还提供了行业标准化后的财务因子数据。

数据获取：私戳。