可转债应该是散户最容易实现量化,并能取得不错实盘效果的品种,没有之一,所以量化实战以可转债单因子回测的脚本为开篇。 转债历史数据大家可以访问 : 阿牛数据官网 进入量化专区下载。 import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei']
本篇只介绍了一个趋势因子和一个波动因子,其实换成其他的组合就可以得到不同的策略,如果每个策略有0.5的夏普比,16个独立无关的汇总起来就有2倍,当然或许很难找到独立无关的,多少都有点相关性,但数目多了总能降低波动,从而提高夏普比。另外也要注意部分策略组合收益率太低,可能要加很高的杠杆才有客观的收益,比如...
因子标准化则是单因子回测中的一个重要环节,它可以对因子数据进行处理,使其具有可比性和可解释性。 单因子回测的基本思想是将所选因子应用于历史数据,按照一定的规则构建投资组合,并计算投资组合的收益率。通过分析因子与投资组合收益率的相关性,我们可以判断该因子对股票市场的预测效果如何。 然而,在进行单因子回测...
单因子分析是量化分析常用的一种分析方法,旨在检验单个因子对未来收益率的影响,是我们对因子有效性检验的重要方法之一。单因子分析主要包括三部分,分层回测/IC检验/IC-IR检验,分层回测也可以用截面数据线性回归的方法来做,将每次回归方程的R方作为因子有效性的度量,也是大家可以尝试的方法之一。分层回测的优势在于所...
首先,假设我们有一个单因子选股策略,该策略根据某个因子(比如市盈率)的大小来选取股票。我们可以使用Pandas来获取股票数据,并计算该因子的值。接下来,我们可以根据因子值对股票进行排序,并选择排名靠前的股票作为投资组合。最后,我们可以计算投资组合的收益率,并使用Matplotlib来可视化回测结果。 ```python import pandas...
学习集思录上(@wanghz02)大佬的方法,用单因子从低到高分组,对2022年到2023年的转债收益进行回测。结论是:这两年的高收益更偏向债性因子,尤其是纯债溢价率/YTM和转债价格对收益的影响比股性因子大很多,这和前两年更偏向转股溢价率的股性因子不太相同。1、转债价格总体上
分组回测:将股票池内的股票按照因子值分为若干组,得分最高的一组视为多头,最低的一组为空头。计算多头与空头的多空收益或多头超额收益。最后,计算夏普比率、下行波动率、换手率、胜率等多种指标来评判因子的优劣。通过这些步骤,你可以逐步掌握量化策略的基础,从单因子测试开始,逐步提升自己的能力。记住,实践是检验...
统计完结果之后我们需要对上百个因子进行一次筛选. 构建打分依据: 因子平均收益 > 0.002 IC > 0.02 IR > 0.3 对于3 项标准中的每一项进行打分, 每满足一项打分为 1, 然后每个因子看的多少分 单因子回测框架 当筛选出部分因子之后, 其实我们还要去观察它在回测过程当中的真实收益率情况. 所以要建立每个因子的回...
看这个fitness值(默认就是因子IC),看起来还不错,当然这些因子有点长,我们后续会优化。 从本地加载训练好的模型,可以直接计算因子值: if__name__ =='__main__': importcloudpickle filename ='factors.pkl' withopen(filename,'rb')asf: est_gp = cloudpickle.load(f) ...
实现单因子回测框架 Python 作为一名经验丰富的开发者,我将为你介绍如何实现基于 Python 的单因子回测框架。在开始之前,我们先来了解一下整个流程。下面是一个简化的流程图: 数据准备数据清洗因子计算分组回测因子评价结果分析 现在,让我为你解释每个步骤需要做什么,以及相应的代码。