量价因子之前言

写在前面

本系列文章基于国泰君安量化专题研究报告 ——《基于短周期价量特征的多因子选股体系》给出的 191 个短周期交易型阿尔法因子，业内人称alpha191。Alpha191应该算是业内比较早的（2017年6月发布）、专门针对股票alpha策略设计的一批因子，在学术和实操都有很高的价值。

它提供了一套科学量化的因子发现/描述的方法，从简简单单的Open/High/Low/Close/Volume等数据提炼出有效因子，是一件需要创造性和艺术性的工作，让人感受到了——量化之美。

在 A 股市场，通过对短周期交易型阿尔法（技术派）的研究，与传统多因子模型所获取的股票价值阿尔法（价值派）收益相比，交易型阿尔法收益有它自身的优势，比如空间更大、收益稳定性更强。从实用主义角度来说，不管是短周期交易型阿尔法，还是传统多因子阿尔法，只要能抓到老鼠的就是好猫。

本系列文章将基于alpha191，结合自身多年量化经验，对191个因子重新进行分析、代码实现、总结，感受量化之美。

量价变量说明

所有量价分析都是基于如下量价变量

变量	定义
OPEN	开盘价
HIGH	最高价
LOW	最低价
CLOSE	收盘价
VWAP	均价
VOLUME	成交量
AMOUNT	成交额

函数说明

函数	定义
CORR(A, B, n)	序列 A、B 过去 n 天相关系数
RANK(A)	向量 A 升序排序
DELTA(A, n)	Ai - A i-n
LOG(A)	自然对数函数
TSRANK(A, n)	序列 A 的末位值在过去 n 天的顺序排位
TSMAX(A, n)	序列 A 过去 n 天的最大值
TSMIN(A, n)	序列 A 过去 n 天的最小值

定义回测收益：

如alpha191报告提到到的，T+2交易日换仓回测的结果最优，T+2这里也体现了短周期。
我们设计T+2 交易日换仓，实际策略中可以自行定义换仓频率，这里仅以此作为回测分析。
假设以T+1日的开盘价买入，T+2日的收盘价卖出，来计算因子收益，即：

GAIN = (CLOSE_T+2 - OPEN_T+1) / OPEN_T+1

代码如下（示例）：

data = pd.read_csv('stock_data.csv')
data['gain'] = data.shift(-2)['close'] / data.shift(-1)['open'] - 1

data：

最后

本系列文章只做个人学习笔记，记录想法，不作为任何投资建议。