【Alphalens中文手册】发布在Quantopian上的教程(一) 作者:Luca Scarabello,Maxwell Margenot (部分内容来自其因子分析课程),Jessica Stauth(部分内容解释来自她的演讲) 翻译:njuyz 1 使用Alphalens来分析策略和想法 1.1 什么是Alphalens? Alphalens是一个python库,用来分析一个因子预测未来收益… 阅读全文 赞同 79 26 条评论 分享 收藏 登录知乎,您可以享受以下权益: 更懂你...
Alphalens的设计目标是辅助对阿尔法因子的分析,通过数据变换来预测金融资产的未来价格走势。阿尔法因子的形式是,针对每个资产,每天产生一个具体取值,逐日评估这些因子值。这些取值的维度本身并不重要。 有一点要特别注意,即阿尔法因子和交易算法之间的区别。交易算法使用一个或多个因子的组合来驱动交易,包含交易执行和风险控...
Alphalens中文手册：Pyfolio组合分析与风险评估 Pyfolio组合分析与因子权重：在Alphalens中，你可以通过设定不同的因子权重来模拟资产组合，并利用Pyfolio对这些组合进行详细的业绩分析。关键参数如quantiles=None和groups=None会对分析结果产生重要影响。通过选择预测性最强的分位，你可以构建出有效的交易策略。获取...
数据输入：Alphalens的输入数据由因子的历史取值和资产的价格组成。工具函数：使用get_clean_factor_and_forward_returns函数处理数据输入格式。数据收集与处理：定义计算域，收集历史因子和价格数据，并通过Pipeline运行以获取输入数据。对于大数据集，可以使用chunksize参数分解计算。Alphalens分析报告：报告内容：提...
在Alphalens中，你可以通过factor weights模拟资产组合，利用Pyfolio进行详细的业绩分析。关键参数如equal_weight=False（采用因子权重）、quantiles=None（所有分位组）和groups=None（所有板块）会影响分析结果。例如，我们选择预测性最强的分位1和5构建交易策略。通过get_clean_factor_and_forward_returns函数，...
本篇将构造一些适用于Alphalens的人工数据。这不仅有助于理解Alphalens对输入数据的格式要求,也可以作为一个有效的测试环境来尝试其功能。 importmatplotlib.pyplotaspltimportpandasaspdfromnumpyimportnanfrompandasimport(DataFrame,date_range)fromalphalens.tearsimport(create_returns_tear_sheet,create_information_tear_shee...
groupby和groupby_labels:Alphalens用于按板块分别进行分析,尤其适用于分析因子的跨板块表现。 另外记住,随时可以使用内置的help函数来获取任何函数的信息和参数列表,例如help(al.utils.get_clean_factor_and_forward_returns)。 2.2.1 定义计算域 我们首先要定义一个股票计算域,然后在这个域中分析。此处我们使用QTradable...
Alphalens提供了一个工具函数`get_clean_factor_and_forward_returns`，用于处理数据输入格式。用户需要定义计算域、收集历史因子和价格数据，并通过Pipeline运行以获取输入数据。为了处理大数据集，可以使用`chunksize`参数将计算分解为特定时间区间。在运行Alphalens分析时，用户可以调整参数，如预测周期、因子的分...
alphalens.tears.create_summary_tear_sheet(factor_data) 分位组统计信息 回报分析 信息量分析 换手分析 为Pyfolio准备数据 我们从Alphalens的分析中看到,分位组1和5的预测性最强,所以我们只用这两个分位组来构建组合。 pf_returns, pf_positions, pf_benchmark = \ ...
long_short和group_neutral:这俩选项与其在Alphalens中回报分析的作用一样。前者用于模拟中性的多空组合,后者用于模拟板块中性的组合(需要在factor_data中包含板块信息)。 equal_weight:如果设为True,则平均分配权重;否则按因子分配权重。 quantiles:设置需要在计算中包含哪些分位组。默认包含全部分位组。