alphalens入门篇,重要图表绘制和含义

tears.create_summary_tear_sheet(facs_data_analysis)

Quantiles Statistics

	min	max	mean	std	count	count %
factor_quantile
1	0.8573	8.4584	6.103952	1.220105	4204	20.004759
2	6.0433	13.2307	9.097554	1.479510	4202	19.995241
3	7.9310	18.1019	12.319151	2.015514	4203	20.000000
4	12.2896	33.9804	20.704288	4.759374	4203	20.000000
5	20.3407	1078.5803	94.187888	139.406875	4203	20.000000

Returns Analysis

	2D	5D	10D
Ann. alpha	-0.151	-0.158	-0.151
beta	-0.056	-0.085	-0.138
Mean Period Wise Return Top Quantile (bps)	-8.325	-8.807	-8.917
Mean Period Wise Return Bottom Quantile (bps)	6.413	7.685	8.609
Mean Period Wise Spread (bps)	-14.738	-16.453	-17.224

Information Analysis

	2D	5D	10D
IC Mean	-0.024	-0.028	-0.041
IC Std.	0.234	0.223	0.227
Risk-Adjusted IC	-0.102	-0.127	-0.180
t-stat(IC)	-2.198	-2.742	-3.897
p-value(IC)	0.028	0.006	0.000
IC Skew	-0.060	-0.006	0.059
IC Kurtosis	-0.464	-0.337	-0.109

/home/john/anaconda3/envs/autosklearn/lib/python3.5/site-packages/pandas/core/indexes/datetimes.py:962: PerformanceWarning: Non-vectorized DateOffset being applied to Series or DatetimeIndex
  "or DatetimeIndex", PerformanceWarning)

Turnover Analysis

	10D	2D	5D
Quantile 1 Mean Turnover	0.048	0.021	0.035
Quantile 2 Mean Turnover	0.159	0.069	0.113
Quantile 3 Mean Turnover	0.178	0.078	0.129
Quantile 4 Mean Turnover	0.120	0.055	0.089
Quantile 5 Mean Turnover	0.053	0.025	0.037

	2D	5D	10D
Mean Factor Rank Autocorrelation	0.998	0.995	0.99

 

上图比较重要的: 第一张表:各个因子分位的因子值范围,均值方差.
第二张表的alpha,和beta,beta可以看出pe和价格整体负相关(最最后一张分位收益图也能得到同样的结论),alpha就不说了,就是我们孜孜不倦的超额收益.
Mean Period Wise Spread (bps):分位收益差,越大说明区分性越好.
第三张表:IC Mean也说明数据是负相关的.绝对值越大越好(0.05)
Risk-Adjusted IC,常说的IR,越大越好(0.5)
p-value(IC),小于0.05说明却是是相关的,并非瞎蒙

第四张表:Quantile 1 Mean Turnover,分位换手率,自然是越低越好,节约手续费.
第五张表:Mean Factor Rank Autocorrelation,表明因子稳定性,pe短期内是稳定的,毕竟大牛市很短,大部分时候都是波动市场
第一张图:最直观简单的体现因子好坏的标示,
可以从2个方面解读,
1,分位关系,分位收益从1-5,越来越低,说明pe越小收益越高(负相关)
2,每个分位从左到右,收益越大(越小),可以简单理解为上涨的,给更多时间(时间区间越长),上涨的更多,下跌的给更多时间,下跌的更多

 

 

tears.create_returns_tear_sheet(facs_data_analysis)

Returns Analysis

	2D	5D	10D
Ann. alpha	-0.151	-0.158	-0.151
beta	-0.056	-0.085	-0.138
Mean Period Wise Return Top Quantile (bps)	-8.325	-8.807	-8.917
Mean Period Wise Return Bottom Quantile (bps)	6.413	7.685	8.609
Mean Period Wise Spread (bps)	-14.738	-16.453	-17.224

 

 

上面的第一张表和第一个图,之前已经解释过了,不再解释,
第二张图:和第一张图表示的是同一种信息,不过更为详细,越粗越短的最好,分布集中,可见天数越大越好
第三张图:因子加权的多空收益,也就是所谓按照权值组合得到收益,由于负相关所以朝下的,实际情况只考虑斜率和波动情况(斜率基础上的波动),大斜率小波动
第四张图:各个分位的组合的收益情况,分为2日,5日,10日,希望最高最低差异最大,并且最好是单调的分布,12345,54321这样的
图Top minus:顶部和底部的收益差,希望的稳定位于上方or下方(中间是均线),可以看出曲线有正负转换时收益曲线也体现出拐点特征(jan2018)
因子的收益特征,通过这个和上面的那几张图就可以表示清楚了.

 

tears.create_turnover_tear_sheet(facs_data_analysis)

Turnover Analysis

	10D	2D	5D
Quantile 1 Mean Turnover	0.048	0.021	0.035
Quantile 2 Mean Turnover	0.159	0.069	0.113
Quantile 3 Mean Turnover	0.178	0.078	0.129
Quantile 4 Mean Turnover	0.120	0.055	0.089
Quantile 5 Mean Turnover	0.053	0.025	0.037

	2D	5D	10D
Mean Factor Rank Autocorrelation	0.998	0.995	0.99

 

 

一般来说调仓周期越短换手率越高,

 

 

名字上看用户事件分析的

tears.create_event_returns_tear_sheet(facs_data_analysis,prices=price,avgretplot=(5, 15),
                                    long_short=True,
                                    by_group=True)