华泰单因子之动量类因子

一、因子选择

 

 

二、 因子收益

1）绘制各分位数各周期的平均收益（收益数值不是重点，主要用于观察是否具有单调性）

wgt_return_factor.plot_quantile_returns_bar(by_group=False, demeaned=False, group_adjust=False)

2）绘制各分位数的累计收益（收益数值不是重点，看层次是否分明）

#绘制各分位数的累计收益（收益数值不是重点，看层次是否分明）
wgt_return_factor.plot_cumulative_returns_by_quantile(period=5, demeaned=True, group_adjust=False)

 demeaned=False

 3）分维度获得因子收益和标准差

#分维度获得 因子收益和标准差
mean_return_by_quantile = wgt_return_factor.calc_mean_return_by_quantile(by_date=1, by_group=0, \
                                                                 demeaned=0, group_adjust=0)

4）计算指定调仓周期的各分位数每日累积收益

# 计算指定调仓周期的各分位数每日累积收益
return_by_quantile = wgt_return_factor.calc_cumulative_return_by_quantile(period=5,\
                        demeaned=False, group_adjust=False)

5）指标计算 

三、IC值

1）计算每日因子IC值

# 计算每日因子IC值
ic_date = wgt_return_factor.calc_factor_information_coefficient(group_adjust=1, by_group=0, method='rank')

2）打印信息比率（IC）相关表

'''
一般来说IC大于3%（因子反过来的时候就小于-3%）,则认为因子比较有效。   
IC.Std  
IR=IC.Mean\IC.Std  
p-value   p值，判断IC的统计分布，一般要求小于5%或1%。在假设检验中，如果p>0.05，则接受原假设H0。如果p<0.05或p<0.01,则拒绝原假设H0,接受备择假设H1。  
IC Skew   偏度  
IC Kurtosis  峰度

'''
# 打印信息比率（IC）相关表
wgt_return_factor.plot_information_table(group_adjust=True, method='rank')
wgt_return_factor.plot_ic_hist(group_adjust=True, method='rank')


'''
IC Skew              period_1 > 0    正偏态
                     period_10<0     负偏态
                     period_20<0     负偏态
             
IC Kurtosis          period_1<3      廋尾
                     period_10<3     廋尾
                     period_20<3     廋尾
                     
p-value(IC)          <0.05            在显著性水平0.05下拒接原假设，即认为均值不为零                     
'''

四、截面收益