量价因子之alpha006

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
量价因子之alpha005

---

---

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、alpha006因子逻辑表达式

(RANK(SIGN(DELTA((((OPEN * 0.85) + (HIGH * 0.15))), 4)))* -1)

理解：
1.用(OPEN * 0.85) + (HIGH * 0.15)定义一个新的价格变量；
2.用这个新的价格变量做4交易日的差分——当日与前4个交易日的价格之差；
3.差分值取SIGN，差分为正（涨了）为+1，差分为负（跌了）为-1；
4.最后取RANK，乘以-1.
5.取RANK值时，一般采用默认的average方法，即相同排名的取均值作为他们的排名，因为先取了SIGN值（-1,0，+1），RANK值也只有3个值。最后乘以-1，差分为正（涨了）alpha值负得多，差分为负（跌了）alpha负得少。

二、因子Python实现

Python代码如下（示例）：

import numpy as np
import pandas as pd

def alpha191_006(data, delta_period=4):
    """
    (RANK(SIGN(DELTA((((OPEN * 0.85) + (HIGH * 0.15))), 4)))* -1)
    -->
    RANK(
        SIGN(
            DELTA(OPEN * 0.85 + HIGH * 0.15, 4)
        )
    ) * -1
    定义新的价格OPEN * 0.85 + HIGH * 0.15
    """
    temp = data['open'] * 0.85 + data['high'] * 0.15
    alpha = -1 * (np.sign(temp.diff(periods=delta_period))).rank(axis=0, pct=True)
    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alpha006因子和收益gain之间的相关系数。

data['gain'].corr(alpha191_006(data))
0.1345116450937341

---

四、总结

alpha006价格因子，回测的alpha值为正，说明该因子与收益成正关系。差分为正（涨了）alpha值小，收益小，差分为负（跌了）alpha大，收益大，均值回归。