pandas_ta来替代talib，计算kdj做全量可转债因子回测

本文链接：https://blog.csdn.net/weixin_38175458/article/details/140746395

原创文章第601篇，专注“AI量化投资、世界运行的规律、个人成长与财富自由"。

之前说过，多因子模型在量化投资里占据很多比例。

多因子模型核心当然是找到好的因子。

可转债里我们可以把转债背后的正股的基本面数据合成进来。

大家可以看出来，我们的基础因子维度就扩充了不少。

当然还有很多财务指标还没有纳入进来。

可转债还有很多债性指标可以考虑进来。

多表合并的代码：

class DumpQuotes:
    def __init__(self, tb_basic, tb_quotes_list: list):
        self.tb_basic = tb_basic
        self.tb_quotes_list = tb_quotes_list

    def build(self):
        items = list(mongo_utils.get_db()[self.tb_basic].find({}))
        for item in tqdm(items):
            # 导出数据到csv
            main_symbol = item['symbol']


            dfs = []
            for symbol_col, tb_quotes in self.tb_quotes_list.items():
                symbol = item[symbol_col]

                print(symbol)
                filters = {'limit_status': 0, 'symbol': 0, '_id': 0}
                if symbol != main_symbol:
                    filters.update({'close': 0})
                items = mongo_utils.get_db()[tb_quotes].find({'symbol': symbol},
                                                             filters)
                items = list(items)
                if len(items) == 0:
                    print(main_symbol+'没有数据')
                    continue
                df = pd.DataFrame(items)

                df = df.replace(pd.NA, 0)
                # print(df)
                # df.to_csv(DATA_DIR_QUOTES.joinpath('s_{}.csv'.format(symbol).format(symbol)))

                df.set_index('date', inplace=True)


                dfs.append(df)
            if len(dfs) == 0:
                continue
            df_all = pd.concat(dfs, axis=1)
            df_all['symbol'] = main_symbol
            df_all.dropna(inplace=True)
            df_all.to_csv(DATA_DIR_QUOTES.joinpath('{}.csv'.format(main_symbol)), index=True)

代码下载地址：（文末有优惠券和地址，扫码即可）

昨天经管理员提醒，可以使用pandas_ta来替代talib:

import pandas as pd
import pandas_ta as ta

from datafeed.expr_functions import calc_by_symbol


@calc_by_symbol
def ta_kdj(high, low, close, index=0):
    df_kdj = ta.kdj(high, low, close)
    if 0 <= index <= 2:
        name = list(df_kdj.columns)[index]
        return df_kdj[name]
    return None

AI量化实验室——2024量化投资的星辰大海

讲讲quantlab的代码结果：