量价因子之alpha001

系列文章

量价特征因子的量化分析
量价因子之前言

---

---

说明

关于本系列文章的背景、引用报告、因子表达式中的变量、函数、回测等说明，请参考：量价因子之前言

一、alpha001因子逻辑表达式

(-1 * CORR(RANK(DELTA(LOG(VOLUME), 1)), RANK(((CLOSE - OPEN) / OPEN)), 6))

理解：
1.RANK(DELTA(LOG(VOLUME), 1))，对成交量取对数后，进行1个交易日的差分，再排序。相当于对成交量的变化的量化，放量或缩量。
2.RANK(((CLOSE - OPEN) / OPEN))，相对于当日开盘价的当日涨幅，排序。
3.求上述1和2的过去6个交易日的相关系数，取负号。
4.考虑了量、幅的量化因子之一。

二、因子Python实现

Python代码如下（示例）：

import numpy as np
import pandas as pd

def alpha191_001(data, corr_period=6):
    """
    (-1 * CORR( RANK(DELTA(LOG(VOLUME), 1)), RANK(((CLOSE - OPEN) / OPEN)), 6))
    输入：data为pandas.DataFrame类型
    输出：alpha为float类型
    """    
    data1 = np.log(data["volume"]).diff(periods=1).rank(axis=0, pct=True)
    data2 = ((data["close"] - data["open"]) / data["open"]).rank(axis=0, pct=True)
    alpha = - data1.rolling(corr_period).corr(data2)
    return alpha

三、因子回测

因子和收益之间的相关系数

简单以某只股票的量价回测alpha001因子和收益gain之间的相关系数。

data['gain'].corr(alpha191_001(data))
0.054083796370834374

---

四、总结

量幅背离是一个显著的因子，即：短周期内成交量逐步提升，振幅不断下降；或成交量逐步下
降，振幅不断提升。alpha001因子可以理解为一个量幅因子。