python 因子分析 权重计算方法_【万矿新品】因子研究利器——WindAlpha

原标题：【万矿新品】因子研究利器——WindAlpha

因子选股模型是我们在量化策略研究中使用最多的一种方法。今天，万矿重磅推出一款高效、便捷的因子分析工具——WindAlpha，让您在万矿上用于进行一站式的因子测试和研究。

WindAlpha是万矿开发的一款基于Python的因子分析函数库，它包括了：

数据获取与处理

对原始数据进行了剔除停牌、ST、新上市、缺失值处理，同时做了去极值、标准化，中性化处理。

原始数据与处理后的数据分布对比

单因子分析

对于因子分析，进行了4个维度的分析：

IC序列分析、IC衰弱

收益率分析

换手率分析

板块分析

多因子组合分析

主要的组合得分计算有以下几种方法：

等权法：该方法对所有因子同等看待，不论其有效性的优劣

IC加权：根据IC均值的大小决定因子的权重，IC高的因子，权重就大，IC的均值为滚动计算

ICIR加权：根据因子ICIR的大小决定因子的权重，ICIR越大，权重越大，ICIR的值为滚动计算

AlphaModel

AlphaModel是一个类，实例化为对象后可以一键对因子进行以上几个维度的分析，也能构建组合进行选股。具体用法请查看帮助文档。

接下来，让我们具体了解一下WindAlpha的用法吧！

数据获取与处理

在这个之前，我们需要确定选股的频率(日度还是月度？)，以及在哪里选股(股票池，如沪深300)，选择哪些因子。

在接下来的示例中，我们以沪深300指数成分股为股票池，每月调仓。选择因子，获取以下数据(每个月最后一个交易日)：

沪深300成分股的数据

所有成分股的因子数据

所有成分股的收益率

所有成分股的市值数据

所有成分股的所属行业

策略收益比较基准的数据

先引入WindAlpha库，获取原始因子数据：