量价因子之alpha002

系列文章

量价特征因子的量化分析
量价因子之前言
量价因子之alpha001

---

---

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、alpha002因子逻辑表达式

(-1 * DELTA((((CLOSE - LOW) - (HIGH - CLOSE)) / (HIGH - LOW)), 1))

理解：
1.只考虑价格，收盘价在最低价和最高价之间的浮动的差分。

二、因子Python实现

Python代码如下（示例）：

import numpy as np
import pandas as pd

def alpha191_002(data):
    """
    (-1 * DELTA((((CLOSE - LOW) - (HIGH - CLOSE)) / (HIGH - LOW)), 1))
    价格幅动的差分
    """
    alpha = - (
            ((data["close"] - data["low"]) - (data["high"] - data["close"])) / (data["high"] - data["low"])
    ).diff(periods=1)
    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alpha002因子和收益gain之间的相关系数。

data['gain'].corr(alpha191_002(data))
0.0040306655368724225

---

四、总结

alpha002单纯的从价格考量，是价格浮动的差分。