量价因子之alpha005

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
量价因子之alpha002
量价因子之alpha003
量价因子之alpha004

---

---

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、alpha005因子逻辑表达式

(-1 * TSMAX(CORR(TSRANK(VOLUME, 5), TSRANK(HIGH, 5), 5), 3))

理解：
1.TSRANK(A, n) 表示序列 A 的末位值在其临近过去 n 天的顺序排位，同理，TSMAX(A, n)表示序列 A 过去 n 天的最大值；
2.量价都用近5日，价格用最高价；
3.CORR求量价的相关系数，放量涨缩量跌，系数接近1，放量跌缩量涨为-1；
4.最后取-1*TSMAX(),可以理解成，近3日有放量涨或者缩量跌，因子值为负（看跌），近3日都放量跌缩量涨为正（看涨）。

二、因子Python实现

Python代码如下（示例）：

import numpy as np
import pandas as pd

def alpha191_005(data, roll_tscorr=5, roll_tsmax=3):
    """
    (-1 * TSMAX(
        CORR(TSRANK(VOLUME, 5), TSRANK(HIGH, 5), 5)
    , 3))
    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
    """
    v_r = data['volume'].rolling(roll_tscorr).rank(axis=0,pct=True)
    h_r = data['high'].rolling(roll_tscorr).rank(axis=0,pct=True)
    
    # 如果python版本低，没有rolling().rank()，可以用下面自定义函数实现
    # v_r = data['volume'].rolling(roll_tscorr).apply(lambda x: rolling_rank(x,axis=0,pct=True))
    # h_r = data['high'].rolling(roll_tscorr).apply(lambda x: rolling_rank(x,axis=0,pct=True))
    
    corr = v_r.rolling(roll_tscorr).corr(h_r)
    alpha = - corr.rolling(roll_tsmax).max()
    return alpha

# 自定义rolling_rank()
def rolling_rank(array,axis=0,pct=True):
    return pd.Series(array).rank(axis=axis,pct=pct)[-1:]

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alpha005因子和收益gain之间的相关系数。

data['gain'].corr(alpha191_005(data))
-0.026313032695070532

---

四、总结

alpha005量价因子，寻找近日是否出现过放量涨缩量跌，或者近日是否连续放量跌缩量涨。