[QUANTAXIS量化分析]三因素模型

基本原理

• 三因素模型表达式：
  
  E(Rit) − Rft = βi[E(Rmt − Rft] + siE(SMBt) + hiE(HMIt)
• 根据一篇文章，选择三个因子作测试：
  • 财务因子：EPS
  • 成交量因子：log(30日日均交易量/昨日交易量)
  • 反转因子：(ma10-ma5)/ma5
  • 综合选取这三个因子,0.3,0.4,0.3的权值加和，选取较高的股票并持仓。综合选取这三个因子,0.3,0.4,0.3的权值加和，选取较高的股票并持仓。

策略实现

• 初始资金100万，20万无明显效果差异，时间段为2017-01-01~2018-01-01.
• 选取市盈率0~20之间的股票，每日对三因子加和进行排序
• 每天进行判断，选取三因子加和排名前n的股票，若已持股，继续买入，未持股则买入，已持股中有不在排名前n中的，卖出。
• （每日操作10只股票）运行截图（忽略曲线名）：
  
• （每日操作20只股票）运行截图（忽略曲线名）：
  

遇到的问题及改进：

• 采用的三个因子或许还能有其他财务因子进行代表
• 本次代码中取得EPS的时间有些过长，有点想法，等我后面改进（已改进，不必每只股票每天的eps都获取一次）

代码如下：

# coding: utf-8
# @author: lin
# @date: 2018/11/20

import QUANTAXIS as QA
import datetime
import pandas as pd
import time
import math
import matplotlib.pyplot as plt
import numpy as np

pd.set_option('max_colwidth', 5000)
pd.set_option('display.max_columns', 5000)
pd.set_option('display.max_rows', 5000)


class ThreePara:
    def __init__(self, start_time, stop_time, n_stock=10, stock_init_cash=1000000, n_days_before=1):
        self.Account = QA.QA_Account()  # 初始化账户
        self.Account.reset_assets(stock_init_cash)  # 初始化账户
        self.Account.account_cookie = 'three_para'
        self.Broker = QA.QA_BacktestBroker()
        self.time_quantum_list = ['-12-31', '-09-30', '-06-30', '-03-31']
        self.start_time = start_time
        self.stop_time = stop_time
        self.n_days_before = n_days_before
        self.stock_pool = []
        self.data = None