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。