目录
免责声明：本文由作者参考相关资料，并结合自身实践和思考独立完成，对全文内容的准确性、完整性或可靠性不作任何保证。同时，文中提及的基金仅作为举例使用，不构成推荐；文中所有观点均不构成任何投资建议。请读者仔细阅读本声明，若读者阅读此文章，默认知晓此声明。
1. 因子构建
1.1 因子解释
因子，实际上就是一个由计算公式构建的指标（用于预测的一个变量）。通过抽象化的思维，来刻画描述对象存在的特征和规律，根据对应的规律可以挖掘出有用的信息。比如，常听说的动量因子，反转因子，市值因子，流动性因子等。从理论上理解起来相对有些抽象，接下来通过实际的案例来分析。因子主要
1.2 因子作用
因子主要有两个作用：1.通过因子来遴选标的，这个是量化的常用方法。以本文为例，测算基金的某个因子值，通过因子值来遴选相应的基金。2.通过因子来进行风险识别和控制，这个是风控常用的方法。以Barra模型为例，通过测算投资组合的风险因子值，来识别当前组合在各个因子上的风险暴露，对于暴露超出预期的因子，需要在组合内进行相应的控制。
1.3 因子刻画
夏普比率自身作为一个指标，因此可以直接作为一个因子。选取10只偏股型基金（此处需要注意，由于本文仅是举例，所以样本量控制的较小，在实际使用中，样本量应该足够大，在初筛或者没有其他约束条件的情况下最好是接近于全量，否则测算的结果很可能是无效的），计算其在2021年整年的夏普比率（无风险利率假设2%）。
import akshare as ak
import pandas as pd
import numpy as np
from scipy.stats import spearmanr
def get_data(code, year, dt=None):
# 获取基金一整年的收益率或者夏普比率
# code:str,基金代码，例如'000001'
# year:int,年份，格式如2022
# dt:str，输出数据的选择
# 由于可能出现数据缺失的情况，因此添加异常处理
try:
data = ak.fund_open_fund_info_em(fund=code, indicator="累计净值走势")
data['year'] = data['净值日期'].apply(lambda x: pd.to_datetime(x).year)
new_data = data.loc[data['year'] == year]
new_data = new_data.sort_values(['净值日期'], ascending=True)
new_data['return'] = new_data['累计净值'].pct_change().fillna(0)
annual_volatility = new_data['return'].std() * np.sqrt(252)
annual_return = new_data['累计净值'].values[-1] / new_data['累计净值'].values[0] - 1
rf = 0.02
sharpe_ratio = (annual_return - rf) / annual_volatility
except:
sharpe_ratio = 9999
annual_return = 9999
if dt == None:
one_df = pd.DataFrame({'基金代码': [code], str(year) + '收益率': [annual_return]})
elif dt == 'sharpe':
one_df = pd.DataFrame({'基金代码': [code], str(year) + '夏普比率': [sharpe_ratio]})
return one_df
if __name__ == '__main__':
code_list = ['001552', '001726', '001628', '001736', '001643',
'001556', '001521', '001528', '001541', '001542']
year = 2021
all_df = pd.DataFrame()
for code in code_list:
print(code)
one_df = get_data(code, year, 'sharpe')
all_df = all_df.append(one_df)由于数据可能存在缺失，为避免报错，添加异常处理：将出现异常后的结果设置为9999，便于后续清洗过滤。
得到的结果下：
2. 因子评价
2.1 Rank IC 解释
Rank IC （信息系数）是一个统计量，用以刻画预测变量和实际结果之间的关系（评价因子的预测效果）。Rank IC 的计算方式是预测变量的排序值和实际结果排序值之间的相关关系（通常是spaerman秩相关系数）。
关于Rank IC的值的使用方法，类似于皮尔逊相关系数，主要如下：
1.Rank IC的值位于-1和1之间。
2.Rank IC值为正，表明预测结果和实际结果之间是正向关系；值为负则表示为反向关系。
3.Rank IC的绝对值越大，说明预测结果和实际结果之间的关系越强烈，预测的准确度越高。
4.一般地，Rank IC的值大于5%，则说明因子是有效的（前提需要建立在大量样本的统计下）。
2.2 计算Rank IC值
此处的预测变量指的就是我们的因子，而实际结果一般是使用未来的收益率（由于因子的统计区间是2021年一整年，因此本文设置2022年的收益率作为实际结果来检验评价因子的预测效果）。
接下来，实现获取2022年收益率这一步。
next_year = year + 1
next_df = pd.DataFrame()
for code in code_list:
print(code)
next_year_df = get_data(code, next_year)
next_df = next_df.append(next_year_df)
me_df = pd.merge(all_df, next_df, how='inner', on='基金代码').fillna(0)
# 数据清洗
new_df = me_df.loc[me_df[str(year) + '夏普比率'] != 9999]
new_df = new_df.loc[new_df[str(next_year) + '收益率'] != 9999]此处代码续接前文。这里需要特别注意，必须要保证数据的完整性，即某只基金对应的因子值和实际结果都必须是存在的，如果是二者之间出现异常值，则需要过滤，避免影响后续IRank IC 的计算结果。
得到的结果为：
下一步，根据因子值（2021年夏普值）和实际结果（2022年收益率）对应的排序值（降序排列，即值越大，排序值越低），计算出对应的Rank IC的值。
out_df = new_df.sort_values([str(year) + '夏普比率'], ascending=False)
out_df['因子排序值'] = [x+1 for x in range(len(out_df))]
out_df = out_df.sort_values([str(next_year) + '收益率'], ascending=False)
out_df['实际结果排序值'] = [x+1 for x in range(len(out_df))]
rank_ic = spearmanr(out_df['因子排序值'],out_df['实际结果排序值'])[0]out_df对应的结果为：
对应得到的Rank IC的值为-0.38。因此在不考虑样本量较低的情况下，所选的样本中以及对应时间区间中，夏普比率是一个有效的负向因子，即2021年的夏普比率越高，整体在2022年的表现越差。
2.3 Rank ICIR 解释
Rank ICIR（信息比率），计算的方式是Rank IC的均值除以Rank IC的标准差。单期的Rank IC值稳定性不足，因此需要关注多期Rank IC值的情况，以便更好的评价因子的效果。Rank ICIR是对Rank IC的进一步补充，其实用方法和Rank IC一样，此处不再进行重复叙述。
2.4 计算 Rank ICIR 值
首先，获取多期的Rank IC值。为了代码的简洁，封装一个单期Rank IC的函数--get_Rank_Ic，然后根的循环年份来获取相应每期的Rank IC值。
import akshare as ak
import pandas as pd
import numpy as np
from scipy.stats import spearmanr
def get_data(code, year, dt=None):
# 获取基金一整年的收益率或者夏普比率
# code:str,基金代码，例如'000001'
# year:int,年份，格式如2022
# dt:str，输出数据的选择
# 由于可能出现数据缺失的情况，因此添加异常处理
try:
data = ak.fund_open_fund_info_em(fund=code, indicator="累计净值走势")
data['year'] = data['净值日期'].apply(lambda x: pd.to_datetime(x).year)
new_data = data.loc[data['year'] == year]
new_data = new_data.sort_values(['净值日期'], ascending=True)
new_data['return'] = new_data['累计净值'].pct_change().fillna(0)
annual_volatility = new_data['return'].std() * np.sqrt(252)
annual_return = new_data['累计净值'].values[-1] / new_data['累计净值'].values[0] - 1
rf = 0.02
sharpe_ratio = (annual_return - rf) / annual_volatility
except:
sharpe_ratio = 9999
annual_return = 9999
if dt == None:
one_df = pd.DataFrame({'基金代码': [code], str(year) + '收益率': [annual_return]})
elif dt == 'sharpe':
one_df = pd.DataFrame({'基金代码': [code], str(year) + '夏普比率': [sharpe_ratio]})
return one_df
def get_Rank_Ic(year, code_list):
# 获取rankic的值
all_df = pd.DataFrame()
next_df = pd.DataFrame()
next_year = year + 1
for code in code_list:
print(year, code)
one_df = get_data(code, year, 'sharpe')
next_year_df = get_data(code, next_year)
next_df = next_df.append(next_year_df)
all_df = all_df.append(one_df)
me_df = pd.merge(all_df, next_df, how='inner', on='基金代码').fillna(0)
# 数据清洗
new_df = me_df.loc[me_df[str(year) + '夏普比率'] != 9999]
new_df = new_df.loc[new_df[str(next_year) + '收益率'] != 9999]
# 计算排序值
out_df = new_df.sort_values([str(year) + '夏普比率'], ascending=False)
out_df['因子排序值'] = [x + 1 for x in range(len(out_df))]
out_df = out_df.sort_values([str(next_year) + '收益率'], ascending=False)
out_df['实际结果排序值'] = [x + 1 for x in range(len(out_df))]
rank_ic = spearmanr(out_df['因子排序值'], out_df['实际结果排序值'])[0]
return rank_ic
if __name__ == '__main__':
code_list = ['001552', '001726', '001628', '001736', '001643',
'001556', '001521', '001528', '001541', '001542']
ic_df = pd.DataFrame()
year_list = [2015 + x for x in range(0, 7)]
for year in year_list:
one_ic = get_Rank_Ic(year, code_list)
one_df = pd.DataFrame({'年份': [year], 'ic值': [one_ic]})
ic_df = ic_df.append(one_df)对应得到的结果是：
接下来，分别求Rank IC的均值和标准差，然后计算Rank ICIR的值。
ic_mean = ic_df['ic值'].mean()
ic_std = ic_df['ic值'].std()
Rank_Ic_Ir = ic_mean / ic_std对应的结果如下：
为了结果更加直观，对所得的结果进行可视化的展示。
# 作图
import matplotlib.pyplot as plt
year, ic = ic_df['年份'], ic_df['ic值']
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False
plt.title('因子评价' + '(' + 'IC均值:' + str(round(ic_mean, 4)) +
';IC标准差:' + str(round(ic_std, 4)) + ';IR值:' + str(round(Rank_Ic_Ir, 4)) + ')')
x = np.arange(len(year))
plt.bar(x, ic, 0.5, label='逐年ic', tick_label=year)
for i in range(len(ic)):
plt.text(x[i], ic[i] + 0.01, round(ic[i], 4))
plt.legend()
plt.show()得到的结果如下：
从结果来看：尽管Rank ICIR的值大于5%，但是Rank IC的标准差达到了32.7%；说明该因子具备较强的预测能力，但是稳定性不足，极端值较多。当然，出现这种结果是因为样本的数量较少。在实际的使用过程，除了需要较大的样本容量，还需要多个因子的组合来增加准确性。因为单个因子的预测作用有限，使用多因子组合可以有效提高预测的稳定性，后续将继续分享多因子组合。
本期分享结束，有何问题欢迎交流。
免责声明：本文由作者参考相关资料，并结合自身实践和思考独立完成，对全文内容的准确性、完整性或可靠性不作任何保证。同时，文中提及的基金仅作为举例使用，不构成推荐；文中所有观点均不构成任何投资建议。请读者仔细阅读本声明，若读者阅读此文章，默认知晓此声明。
扫一扫
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
