高频直播笔记

计算五分钟流动性因子

• 分钟数据降采样到五分钟
• 计算五分钟最短路径
• 一小时累计成交额
• 一小时累计最短路径
• 5分钟流动性 = 成交额 / 最短路径

如何生成高频因子

• 分钟数据得到小时/日线因子
• 日线因子放入之前的回测框架

高频脚本功能

• 时序
• 截面
• 兼容性
• 增量计算

案例

• illq = 1h成交额 / 1h最短路径
• 高频化：
• 1分钟 - 5分钟
• 5m最短路径 - 标准化
• 求和 - 1h最短路径
• illq = 1h成交额 / 1h最短路径

这里的最短路径要了解一下

魔改

• 上涨
• 放量
• 筛选出一小时内满足要求的五分钟数据，基于这些数据计算illq

代码

• 股票的逻辑为：

1 日线数据，和指数数据合并，得到完整的市场交易日期
2 计算因子，resample选股周期，比如一个月，按照因子排序得到选股数据
3 选股，绘制资金曲线

• 高频币的逻辑为：

1 分钟数据
2 创建基准数据

• 读取币种数据

get_file_in_folder得到symbol_list
symbol_list中存储的是文件夹中的所有币种

• 基准数据的创建逻辑

给定开始 结束时间，默认结束时间为当前时间
给定周期 1h 1D，在config里面factor_period
min_bench 分钟级别基准数据
min_bench 包括candle_begin_time 以及time_group
time_group是对分钟数据的一个概括，如果周期为1h，2017-01-01 00:00:00 2017-01-01 00:01:00 2017-01-01 00:02:00 2017-01-01 00:03:00 2017-01-01 00:04:00的time_group都为2017-01-01 00:00:00，如果周期为1D，time_group为2017-01-01
period_bench 以factor_period为单位，将所有的日期都为一列罗列出来

• 计算高频因子

首先从factors中获取所有因子，存储在列表stg_file
factors_list中存储因子的绝对路径
判断是现货还是合约 candel_type
calculate_by_code 输入币种代码，输出dataframe

• calculate_by_code

计算每个币的高频因子
首先读取ftr文件为mdf
然后令period_bench 的时间范围框定为mf的时间范围
合并min_bench和mdf，时间以min_bench为准，这里类似与股票和指数合并，目的是为了处理没有交易的时间，是的时间统一化
这里采用增量计算，增量计算的意思是，如果这个因子已经被计算了，那么就不会再计算第二次，每次计算出来的因子都在data/分钟因子那里
基于的时间基准来自于：period_list，min_bench的所有group_time
那么period_bench怎么用的？
如果因子已经被计算，那么读取数据，读取数据的时候，主要看已经计算出来的因子时间是不是包括所有的时间（小时/day）
如果因子没有被计算，则创建文件夹，（这里没有做计算因子的操作）
然后计算高频因子，高频因子的计算在cal_min_factors，这个函数在factors下面的因子中实现。
new_period_list表示的是那些没有被计算因子的时间点

• 将每个币计算出来的数据合并，然后按照时间 symbol排序，symbol是啥
• 遍历因子，处理数据，在界面范围计算因子
• 根据因子对数据分组
• 对每组数据

将因子保存在‘分钟因子下面’

• 因子的计算在factors下面的因子文件中实现
• cal_min_factors

参数：mdf、ddf、date
mdf分钟级别的数据，包含数据
ddf 小时或者天级别的数据，这个就是所有的小时或者天，只有时间信息
date：需要计算的时间
dm_df：筛选出mdf当中时间为date的数据
进行resample，这里对数据resample成5分钟或者10分钟数据
计算因子

• 整理数据

首先合并得到的所有数据，将数据按照日期 币种的顺序进行排序all_factor_data。
遍历所有因子，对于每一个因子，找到这个因子的所有相关因子，比如一个因子，可能计算了它的5min 10min数据，作为小因子
如果小因子的数量不为0，也就是说这个因子已经被计算出来了，那么调用process_all_data，这个函数输出为所有因子数据，输出也为所有因子数据，不知道干嘛的，可以看看，注释说是计算截面范围的因子。

• 分组保存数据

根据币代码对数据分组，每组都包含一个币种类，包含这个币的名字和币的数据
然后找到所有的因子，如果这个币的因子数量为0，说明这个币没有因子，跳过
将这个币的时间 币种 因子选出来，作为一个新的dataframe
构建因子数据的保存路径：现货 / 合约 选币周期 因子名字 币种，这里的因子名字是大因子的名字，不是小因子
如果路径存在：读取路径 为 fdf，补充，去重
如果路径不存在：创建dataframe为fdf，将时间 币种 因子 都放进去

• 最后到底在干嘛？？？

之前计算出了每个币种在选币周期得到的因子
然后对每个因子，计算截面范围上的因子，
接着对数据按照币种分类，对于每个币的每个大因子
将这个信息都存储在分钟因子文件中。

理解

• 因子的构造：首先拥有的是分钟级别的数据，首先需要计算因子，然后选股，计算因子需要一个日期，选股需要一个日期
• 比如这里，我们采用了以日为单位的选股，但是直接采用分钟数据进行选股需要很大的计算量，难么就先用五分钟的数据，然后用5分钟的数据计算日线因子，以计算出来的日线因子作为选股标准。

代码

• 读取准备数据

读取原始文件
创建benchmark，这里的benchmark很有意思，我记得股票数据中的benchmark是指数数据，包含市场交易所有天数，这里的benchmark的作用也是为了衡量市场交易的所有时间，这个benchmark一共分为两个：period_bench和min_bench，这里的period_bench 包含是时间区间内的所有选股周期，比如小时，那么period_bench就包含了所有的小时数据，比如天，那么period_bench就包含了所有的天数据。min_bench是在时间区间内的所有分钟，每个分钟对应了选股周期的时间，如果选股周期是小时，那么就是时间区间内所有分钟和小时的对应关系，如果选股周期是天，那么就是时间区间内所有分钟和天的对应关系。

• 导入每个因子

首先遍历factors文件夹下的所有文件，得到所有因子

• 遍历每个币，并行或串行

遍历每个币，计算因子，这里用到了calculate_by_code函数，并行或串行
这里需要对calculate_by_code做进一步研究
对calculate_by_code的猜测：首先将分钟数据降采样为五分钟数据，然后根据选股周期，计算因子，排序，选出n只币，计算资金曲线
calculate_by_code的输入为虚拟币代码，输出为dataframe：
时间（选币周期1h / 1d） 币的代码 因子值（5min / 10min流动性指标）
那么可以推测出calculate_by_code的作用是计算出单个币种的选股周期的因子
在这个函数之后，还需要做的是：让所有的币的数据合并在一起，按照因子排序，选出前n只币，然后计算资金曲线

• 最终整理数据

首先将上一步得到的dataframe都合并在一起
然后对每一个大因子，计算截面因子
接着按照币种和打因子，将信息存储起来。

calculate_by_code

• 读取分钟数据

首先读取币种的历史数据，并且将其和min_bench合并，与period_bench合并之后，如果数据为空，那么直接退出

• 遍历每个因子，计算因子值

这里做了一个看起来很奇怪的事情，它在读历史数据，它这里假设，历史上都跑完了，而且跑的就是这个币的这个因子，如果有多有少，就先删了再跑。
它做的事情是，如果这个因子之前跑过了，那就读取之前的文件，然后获取之前没有计算，而现在需要计算的时间list
如果这个因子没跑过，那就新建文件，然后有一个时间list
总的来说，这一段，就是为了处理之前已经计算过的数据，因为计算量太大了，所以这里如果存在之前已经计算过的数据，那就找到那些没有计算的周期。这里的时间是小时或者天
万一有些计算了一天 / 一小时中的某些数据，其他数据没有计算怎么办
这里的pdf是天或者小时数据，以period_bench 计算
在找到之前计算过的数据之后，将之前计算过的数据和pdf合并
开始计算因子cal_min_factors cal_daily_factors 这里不懂，为什么要分开计算，之后再看

• 因子数据整理并输出

由于混杂了之前的历史数据，以及在计算的时候，可能会带入一些别的列，这里找到了所有因子，和时间 币种一起保留下来，这里的数据是小时 / 天数据

calculate_by_code

• 读取分钟数据

pdf为period_bench的dataframe
mdf是min_bench的dataframe和币的历史数据的合并

• 遍历每个因子，计算因子值

由于计算量较大，如果之前有计算过该数据，那么就找到之前的数据，并整理没有计算过的时间周期
cal_min_factors cal_daily_factors计算因子
这里对这两个数据的猜测是：cal_min_factors计算1分钟到5分钟的数据，cal_daily_factors的作用是由五分钟数据计算小时或者填数据

• 因子数据整理并输出

保存数据

cal_min_factors

• 参数：时间（小时/天）mdf pdf

mdf 为数据和min_bench合并之后的结果
pdf(ddf)为period_bench数据，如果有已经计算好的数据，则pdf和已经计算好的数据合并

• 需要计算的是特定时间的数据，所以，先获取mdf中特定时间下的数据
• 现在的数据是分钟数据，首先要得到五分钟/10分钟数据。减小数据量
• 然后计算小时/天数据。
• 这里的周期开始交易日什么意思
• temp复制分钟数据
• 然后resample成5/10分钟数据，周期开始交易日为第一个分钟，并将名字改回candle_begin_time
• 得到5/10分钟数据之后，计算最短路径，这里可以再看看，因为我也不知道最短路径是啥？？？
• 这里为什么要计算5和10分钟，只计算5不行吗？？？
• 最短路径：2*（最高价 - 最低价） / abs(开盘价 - 收盘价)
• 最短路径标准化：最短路径 / 当天/小时的第一个开盘价
• 标准化的作用：让值在0-1之间
• 计算小时/日的成交额之和，计算最短路径之和
• 将计算出来的小时/日的因子合并到ddf中。
• 所以说这里的5分钟和10分钟，在计算出来之后，这些因子都要被合并在ddf中
• 现有的代码，只计算了因子，基于分钟数据，首先resample成5/10分钟，基于5/10分钟的数据，计算小时/日的因子
• 计算出因子之后，选股，绘制资金曲线不在考虑范围之内。
• 放量流动性

只看一小时内放量k线的illq
成交量 > 平均成交量 + 标准差
其中平均成交量是这一小时/天的五分钟数据求平均
其中标准差是这一小时/天的五分钟数据求标准差

cal_min_factors

• 总的来说，这个函数，传入mdf和pdf，其中mdf是分钟级别的原数据，pdf是小时/天级别的目标数据
• 根据分钟数据，这个函数可以计算5/10/20分钟的因子
• 首先将分钟数据resample为5/10分钟数据
• 然后计算因子，写到pdf
• 甚至可以魔改，挑选一定条件下的因子，放到pdf

cal_daily_factors

• 这个函数的调用是在计算完cal_min_factors之后，对pdf进行处理
• 这里在处理的数据是计算出来小时/天的因子之后，对数据进行rolling操作，是一个时序操作，计算的是小时/天的rolling操作
• 这里有n和d，n表示的是5/10分钟，d表示的是rolling的天数

process_all_data

处理截面数据，比如5分钟和10分钟数据做加减乘除。。。

朋友圈文案

个人做量化可行吗？
机器学习做量化可行吗？
自学量化
没有计划
抄我的就行
神经网络做量化，效果咋样？