因子选股策略（Python版）

因子选股策略（Python版）一种基于因子的选股策略，主要通过分析因子的暴露度、相关性和选股能力来选择合适的因子组合。策略的核心在于通过历史数据评估因子的有效性，并结合图表展示分析结果。思路描述1.**原始数据获取**：-使用EMC量化的SDK获取全A股标的的各项因子数据及交易行情相关的日频成交量、收盘价数据。-数据处理成周频数据，形成因子分析所需的数据集。2.**因子暴露分析**：-选取财务、估值、成长、行情相关的风格因子。-计算各因子相对于全市场的偏离程度，分析其在上证50、沪深300和中证500指数中的表现。-通过图表展示各因子在各年份的平均暴露情况。3.**因子相关性分析**：-计算各因子在三大股指中的相关系数，并通过热力图展示其平均值和标准差。-分析因子相关性的稳定性和强度，识别出相关性较低的组合。4.**因子InformationCoefficient(IC)分析**：-计算各因子的IC值，评估其选股能力。-分析IC值的年度均值和绝对值均值，识别出选股能力较强的因子。特点描述1.**全面的数据处理**：-策略从原始数据获取到数据处理，再到因子分析和选股能力评估，形成了一个完整的数据分析流程。-通过标准化处理和周频数据的使用，确保了数据的统一性和可比性。2.**多维度的因子分析**：-策略不仅分析了因子的暴露度，还深入探讨了因子的相关性和选股能力。-通过多个维度评估因子，能够更全面地理解因子的有效性和稳定性。3.**可视化的结果展示**：-策略使用大量的图表来展示分析结果，包括柱状图、热力图等。-可视化的方式使得分析结果更加直观，便于理解和决策。4.**综合的因子选择标准**：-策略综合考虑了因子的暴露度、相关强度和选股能力，提出了综合选择因子的标准。-通过综合评估，策略能够选出暴露度高、相关强度低且选股能力强的因子组合。因子选股策略通过全面的数据处理、多维度的因子分析和可视化的结果展示，提出了一套综合的因子选择标准。即能够有效评估因子的有效性。策略代码:#coding=utf-8#Author@ZinanLiu@Eastmoney.Co#2023.01.03from__future__importprint_function,absolute_importimporttimeimportmatplotlib.pyplotaspltfromgm.apiimport*importdatetimeimportnumpyasnpimportpandasaspdfromsiximportStringIOimportpickleimportstatsmodels.apiassmdefinit(context):time1=datetime.datetime.now()'''一、原始数据获取通过EMC量化的SDK来获取全A股标的的各项因子数据，以及交易行情相关的日频成交量、收盘价数据，再通过标准化处理，形成因子分析所需要的数据集。目前时间阶段选取为2017年至2022年，原始数据集获取整理后形成的是周频的数据，index为时间，column为因子特征，以此为基础进行因子分析。同时为了方便后续调参分析，建议获取数据后落到本地，以后直接读取本地文件。'''begin_date='2017-01-10'end_date='2022-12-30'#begin_date='2022-01-10'#end_date='2022-12-30'context.trade_date_list=get_period_date('W',begin_date,end_date)##获取dictionary类型的因子数据，每个周频交易日对应一个数据表格#factorData=get_factor_data('A',context.trade_date_list)###数据处理成单个dataframe格式#factorData_df=pd.DataFrame()#foriinfactorData:#factorData[i]['date']=i#factorData_df=pd.concat([factorData_df,factorData[i]])#factorData_df.to_csv('factorDataGM.csv')#temp为了加快取数时间，将数据落到本地直接读取factorData_df=pd.read_csv('factorDataGM.csv',index_col=0)factorData={}fordateincontext.trade_date_list:factorData[date]=factorData_df[factorData_df['date']==date]'''二、因子暴露分析这次选取的风格因子为财务、估值、成长、行情相关。不仅因为这些因子的市场关注度较高，而且它们是Barra多因子框架中几个重要的风险因子。为了考虑全市场的情况，我们选取了A股几大指数，分别是上证50，沪深300和中证500。同时，为了考量历史上各因子的暴露情况，我们以周为频率测算因子相对于全市场的偏离程度。由于需要统一标准和可比性，我们使用的数据为因子当日的排序。计算步骤如下:（1）将所有股票的每日因子按照从大到小排序。（2）从中取出属于某一指数的成份股，计算其成分股因子的排序平均值。（3）暴露度=(指数因子排序平均值-当日全市场排序中间值)/当日股票总数。''''''2.1因子暴露年度均值'''context.Fields=['TOTMKTCAP','TOTAL_SHARE','volume','TURNRATE','PETTM','EPSDILUTED','ROEDILUTED','NPGRT']#获取指数的因子排序数据，index为日期，column为因子，数据为排序均值，然后根据日期做平均，获取每个因子每年的排序均值result_SH50=[]result_HS300=[]result_ZZ500=[]indexRank1=getIndexRank(context,'SH50',factorData)indexRank2=getIndexRank(context,'HS300',factorData)indexRank3=getIndexRank(context,'ZZ500',factorData)foriincontext.Fields:result_SH50.append(indexRank1[i].mean())result_HS300.append(indexRank2[i].mean())result_ZZ500.append(indexRank3[i].mean())#划分年份进行暴露度统计Year=['2017','2018','2019','2020','2021','2022']total1=pd.DataFrame()total2=pd.DataFrame()total3=pd.DataFrame()foriinrange(len(Year)):total1[Year[i]]=indexRank1.iloc[round(i*len(indexRank1)/len(Year)):round((i+1)*len(indexRank1)/len(Year)),:].mean()total2[Year[i]]=indexRank2.iloc[round(i*len(indexRank1)/len(Year)):round((i+1)*len(indexRank1)/len(Year)),:].mean()total3[Year[i]]=indexRank3.iloc[round(i*len(indexRank1)/len(Year)):round((i+1)*len(indexRank1)/len(Year)),:].mean()#设置下面所有柱状图的柱宽bar_width=0.3#画图，以bar展示各因子在各时刻的平均数据#上证50x=np.array(range(len(Year)))fig=plt.figure(figsize=(21,9))ax=fig.add_subplot(111)foriincontext.Fields:plt.bar(x,total1.loc[i],bar_width,label=i)plt.xticks(range(len(Year)),Year)ax.set_title("expo_mean_SH50",fontsize=21)plt.legend()plt.savefig('fig/2.1.1.png')#沪深300x=np.array(range(len(Year)))fig=plt.figure(figsize=(21,9))ax=fig.add_subplot(111)foriincontext.Fields:plt.bar(x,total2.loc[i],bar_width,label=i)plt.xticks(range(len(Year)),Year)ax.set_title("expo_mean_HS300",fontsize=21)plt.legend()plt.savefig('fig/2.1.2.png')#中证500x=np.array(range(len(Year)))fig=plt.figure(figsize=(21,9))ax=fig.add_subplot(111)foriincontext.Fields:plt.bar(x,total3.loc[i],bar_width,label=i)plt.xticks(range(len(Year)),Year)ax.set_title("expo_mean_ZZ500",fontsize=21)plt.legend()plt.savefig('fig/2.1.3.png')'''上图展示的结果为年度因子暴露数据，横坐标是年，不同的颜色bar代表当时不同因子的暴露情况。由上图可以看出：（1）市值和股本因子的偏离度在每一时段均是最高的。上证50市值和股本的偏离度稳定接近50%，沪深300的稳定在40%左右，而中证500的为20%-30%左右，且逐年递增。（2）各项因子的偏离度绝对数值在上证50中比较高，在沪深300和中证500中整体均有所下降。（3）净利润增长率因子NPGRT的偏离度一直都接近0，可见其对三大股指的有效性比较低。''''''2.2指数因子暴露均值对比'''fig=plt.figure(figsize=(21,9))ax=fig.add_subplot(111)x=np.array(range(len(result_SH50)))plt.bar(x,result_SH50,bar_width,label='SH50')plt.bar(x+bar_width,result_HS300,bar_width,label='HS300')plt.bar(x+bar_width+bar_width,result_ZZ500,bar_width,label='ZZ500')plt.xticks(range(len(result_SH50)),context.Fields)ax.set_title("IndexComparsion",fontsize=21)plt.legend()plt.savefig('fig/2.2.png')plt.close()'''上图分别统计了三大股指的各个因子在2017-2022年的平均暴露情况，从整体上来看:（1）市值和股本因子的偏离度均是最高的。上证50市值和股本的偏离度稳定接近50%，沪深300的偏离度稳定在40%左右，而中证500的在25%左右。（2）中等偏离度的因子包括，换手率、成交量、EPS、ROE因子。这些因子在上证50和沪深300指数的偏离度在20%-30%左右，然而中证500相对会低5%-10%。（3）偏离度较小的是PE和净利润增长率因子，在三大指数中，净利润增长率的偏离度几乎为0。也即大市值和小市值个股在成长性方面的差异不大。三大股指在净利润增长率因子NPGRT上的暴露度几乎为0，所以该因子可以被移出风险因子库。但除了需要考虑因子暴露度之外，我们还需要计算因子之间的相关性。将相关性较高的因子区分开来，可以降低因子共线性风险并且减少因子个数。接下来我们对因子的相关性进行分析。''''''三、因子相关性分析3.1相关性平均值'''#获取三大指数的8个因子每周的相关系数数据corr_SH50=getCorr(context,'SH50',factorData)corr_HS300=getCorr(context,'HS300',factorData)corr_ZZ500=getCorr(context,'ZZ500',factorData)#下方的mean是平均了所有的dates的8个字段各自对应的相关系数值。#z轴是date，x和y是fields，X和Y对应的值即为相关系数。importseabornassns#设置热力图画板颜色cmap=sns.diverging_palette(240,10,sep=10,as_cmap=True)#上证50fig=plt.figure(figsize=(15,6))ax=fig.add_subplot(111)sns.heatmap(corr_SH50.mean(axis=0),annot=True,vmax=1,vmin=0,xticklabels=context.Fields,yticklabels=context.Fields,cmap=cmap)ax.set_title("corr_mean_SH50",fontsize=21)heat_fig=fig.get_figure()heat_fig.savefig('fig/3.1.1.png',dpi=400)#沪深300fig=plt.figure(figsize=(15,6))ax=fig.add_subplot(111)sns.heatmap(corr_HS300.mean(axis=0),annot=True,vmax=1,vmin=0,xticklabels=context.Fields,yticklabels=context.Fields,cmap=cmap)ax.set_title("corr_mean_HS300",fontsize=21)heat_fig=fig.get_figure()heat_fig.savefig('fig/3.1.2.png',dpi=400)#中证500fig=plt.figure(figsize=(15,6))ax=fig.add_subplot(111)sns.heatmap(corr_ZZ500.mean(axis=0),annot=True,vmax=1,vmin=0,xticklabels=context.Fields,yticklabels=context.Fields,cmap=cmap)ax.set_title("corr_mean_ZZ500",fontsize=21)heat_fig=fig.get_figure()heat_fig.savefig('fig/3.1.3.png',dpi=400)'''图中分别展示了2017-2022年间各因子在三大股指中的相关性。根据上表的展示结果，结论如下：（1）从上证50指数成份股的角度看，相关性最高的因子为换手率和成交量，达到了0.64，其次为净利润增长NPGRT和换手率，其值为0.58。（2）从沪深300成份股的角度看，和上证50相似，但净利润增长和换手率相关性有所下降，同时净利润增长率和市值因子相关性提升。（3）从中证500成份股的角度看，最高相关性的为净利润增长率和市值，同时eps和PE的相关性进一步提升，其他因子相关性均有所下降。以上为相关性的6年内每周平均值，为了考虑相关性的稳定情况，下面分别展示了各因子在三大股指中的相关性标准差，标准差越小，相关性越稳定。''''''3.2相关性标准差'''#上证50fig=plt.figure(figsize=(15,6))ax=fig.add_subplot(111)sns.heatmap(corr_SH50.std(axis=0),annot=True,vmax=1,vmin=0,xticklabels=context.Fields,yticklabels=context.Fields,cmap=cmap)ax.set_title("corr_std_SH50",fontsize=21)heat_fig=fig.get_figure()heat_fig.savefig('fig/3.2.1.png',dpi=400)#沪深300fig=plt.figure(figsize=(15,6))ax=fig.add_subplot(111)sns.heatmap(corr_HS300.std(axis=0),annot=True,vmax=1,vmin=0,xticklabels=context.Fields,yticklabels=context.Fields,cmap=cmap)ax.set_title("corr_std_HS300",fontsize=21)heat_fig=fig.get_figure()heat_fig.savefig('fig/3.2.2.png',dpi=400)#中证500fig=plt.figure(figsize=(15,6))ax=fig.add_subplot(111)sns.heatmap(corr_ZZ500.std(axis=0),annot=True,vmax=1,vmin=0,xticklabels=context.Fields,yticklabels=context.Fields,cmap=cmap)ax.set_title("corr_std_ZZ500",fontsize=21)heat_fig=fig.get_figure()heat_fig.savefig('fig/3.2.3.png',dpi=400)'''上图分别展示了各因子在三大股指中的相关性标准差，结论如下：（1）从上证50指数成份股的角度看，波动性最高的为ROE和股本，其次是ROE和每股收益EPS。（2）从沪深300指数成份股的角度看，波动性最高的是净利润增长率和ROE，其次是换手率和成交量等。（3）从中证500指数成份股的角度看，和沪深300相似，只不过波动率整体略有下降。波动性是指各指标相关性随着时间变化发生的波动。''''''3.3相关强度上述部分展示了相关性的均值以及标准差，通过两者相除我们能得到判断因子相关性强弱的指标。其绝对值越大，说明它的相关性越强。计算公式为:x=mean(Corr)/std(corr)'''cmap=sns.diverging_palette(240,10,sep=10,as_cmap=True)#上证50fig=plt.figure(figsize=(15,6))ax=fig.add_subplot(111)sns.heatmap((corr_SH50.mean(axis=0)/corr_SH50.std(axis=0)).astype(int),annot=True,vmax=1,vmin=0,xticklabels=context.Fields,yticklabels=context.Fields,cmap=cmap)ax.set_title("corr_pow_SH50",fontsize=21)heat_fig=fig.get_figure()heat_fig.savefig('fig/3.3.1.png',dpi=400)#沪深300fig=plt.figure(figsize=(15,6))ax=fig.add_subplot(111)sns.heatmap((corr_HS300.mean(axis=0)/corr_HS300.std(axis=0)).astype(int),annot=True,vmax=1,vmin=0,xticklabels=context.Fields,yticklabels=context.Fields,cmap=cmap)ax.set_title("corr_pow_HS300",fontsize=21)heat_fig=fig.get_figure()heat_fig.savefig('fig/3.3.2.png',dpi=400)#中证500fig=plt.figure(figsize=(15,6))ax=fig.add_subplot(111)sns.heatmap((corr_ZZ500.mean(axis=0)/corr_ZZ500.std(axis=0)).astype(int),annot=True,vmax=1,vmin=0,xticklabels=context.Fields,yticklabels=context.Fields,cmap=cmap)ax.set_title("corr_pow_ZZ500",fontsize=21)heat_fig=fig.get_figure()heat_fig.savefig('fig/3.3.3.png',dpi=400)plt.close()'''通过上图相关强度数据可以得出以下结论：（1）对于这三个指数，PE和EPS因子是有明显稳定的相关性的，成交量和换手率、PE以及净利润增长率和换手率的相关性相对稳定。（2）中证500指数中净利润增长率和市值稳定性较高。（3）相关强度最低的组合为市值和成交量、换手率，股本、ROE和其他因子的相关强度都相对较低。''''''四、因子InformationCoefficient分析如果想通过因子分析来选股，我们不仅需要考虑因子的相关性，还需要判断下因子的选股能力。通过因子的IC（InformationCoefficient）值来选择解释力度较高的因子，步骤如下:（1）选出股票池，比如指数的成分股。（2）特征因子按照从大到小排序。（3）股票隔日收益率按照从大到小排序。（4）计算两个排序数值之间的相关性，即RankIC。''''''4.1IC平均值'''IC_SH50=factor_IC_analysis(context,'SH50',factorData)IC_HS300=factor_IC_analysis(context,'HS300',factorData)IC_ZZ500=factor_IC_analysis(context,'ZZ500',factorData)IC_A=factor_IC_analysis(context,'A',factorData)temp=pd.DataFrame()temp['A']=IC_A.mean()temp['SH50']=IC_SH50.mean()temp['HS300']=IC_HS300.mean()temp['ZZ500']=IC_ZZ500.mean()fig=plt.figure(figsize=(15,6))ax=fig.add_subplot(111)cmap=sns.diverging_palette(240,10,sep=10,as_cmap=True)sns.heatmap(temp,annot=True,vmax=1,vmin=0,cmap=cmap)ax.set_title("IC_ttl_Mean",fontsize=21)heat_fig=fig.get_figure()heat_fig.savefig('fig/4.1.0.png',dpi=400)'''首先我们展示了全市场和三大股指中各因子IC的平均值，周平均IC值均在±0.2以上，说明因子的解释力度都不错。其中，股本的选股能力最强，其次为成交量因子，而净利润增长率因子效果在所有因子中最差。为了进一步分析因子的选股能力，下面对IC的波动性进行分析，下面我们展示了每个年度的IC均值。'''total1=pd.DataFrame()total2=pd.DataFrame()total3=pd.DataFrame()total4=pd.DataFrame()foriinrange(len(Year)):total1[Year[i]]=IC_A.iloc[i*int(len(IC_A)/10):(i+1)*int(len(IC_A)/10),:].mean()total2[Year[i]]=IC_SH50.iloc[i*int(len(IC_SH50)/10):(i+1)*int(len(IC_SH50)/10),:].mean()total3[Year[i]]=IC_HS300.iloc[i*int(len(IC_HS300)/10):(i+1)*int(len(IC_HS300)/10),:].mean()total4[Year[i]]=IC_ZZ500.iloc[i*int(len(IC_ZZ500)/10):(i+1)*int(len(IC_ZZ500)/10),:].mean()x=np.array(range(len(Year)))#全A股fig=plt.figure(figsize=(21,9))ax=fig.add_subplot(111)Fields=['TOTAL_SHARE','volume','EPSDILUTED','ROEDILUTED','PETTM','TURNRATE','TOTMKTCAP','NPGRT']foriinFields:plt.bar(x,total1.loc[i],bar_width,label=i)plt.xticks(range(len(Year)),Year)ax.set_title("IC_annual_mean_A",fontsize=21)plt.legend()plt.savefig('fig/4.1.1.png')#上证50fig=plt.figure(figsize=(21,9))ax=fig.add_subplot(111)Fields=['TOTAL_SHARE','volume','EPSDILUTED','PETTM','ROEDILUTED','TURNRATE','NPGRT','TOTMKTCAP']foriinFields:plt.bar(x,total2.loc[i],bar_width,label=i)plt.xticks(range(len(Year)),Year)ax.set_title("IC_annual_mean_SH50",fontsize=21)plt.legend()plt.savefig('fig/4.1.2.png')#沪深300fig=plt.figure(figsize=(21,9))ax=fig.add_subplot(111)Fields=['TOTAL_SHARE','volume','EPSDILUTED','PETTM','ROEDILUTED','TOTMKTCAP','TURNRATE','NPGRT']foriinFields:plt.bar(x,total3.loc[i],bar_width,label=i)plt.xticks(range(len(Year)),Year)ax.set_title("IC_annual_mean_HS300",fontsize=21)plt.legend()plt.savefig('fig/4.1.3.png')#中证500fig=plt.figure(figsize=(21,9))ax=fig.add_subplot(111)Fields=['TOTAL_SHARE','volume','EPSDILUTED','TOTMKTCAP','ROEDILUTED','PETTM','TURNRATE','NPGRT']foriinFields:plt.bar(x,total4.loc[i],bar_width,label=i)plt.xticks(range(len(Year)),Year)ax.set_title("IC_annual_mean_ZZ500",fontsize=21)plt.legend()plt.savefig('fig/4.1.4.png')'''上面我们对历史IC序列的每个年度均值进行分析，根据表中结果可以得到以下结论：（1）各个因子在中证500中的波动性最大，上证50其次，紧接着是HS300与全市场。（2）股本因子在各个指数成分股中的波动性最大，净利润增长率因子在各个指数成分股中波动性最小。''''''4.2IC绝对值均值分析为了考察绝对选股能力，我们在下表中展示了各因子IC的绝对值的平均值。'''IC_A=abs(IC_A)IC_SH50=abs(IC_SH50)IC_HS300=abs(IC_HS300)IC_ZZ500=abs(IC_ZZ500)temp=pd.DataFrame()temp['A']=IC_A.mean()temp['SH50']=IC_SH50.mean()temp['HS300']=IC_HS300.mean()temp['ZZ500']=IC_ZZ500.mean()fig=plt.figure(figsize=(15,6))ax=fig.add_subplot(111)sns.heatmap(temp,annot=True,vmax=1,vmin=0,cmap=cmap)ax.set_title("IC_ABS_Mean_ttl",fontsize=21)heat_fig=fig.get_figure()heat_fig.savefig('fig/4.2.0.png',dpi=400)'''由上表可知，整体上可见IC的绝对值的平均值最高的是中证500，其次是上证50，再次是沪深300。也就是说中证500指数的因子选股能力更加明显，但波动也较大。股本因子在大部分指数中绝对值平均值最大。可见股本因子的波动性最大，其次为EPS因子，净利润增长率因子的绝对值平均值最小，该因子的波动性最小。由上可得到的结论与IC均值年度分析结果基本一致。接下来分年度展示了各因子IC的绝对值平均值。'''total1=pd.DataFrame()total2=pd.DataFrame()total3=pd.DataFrame()total4=pd.DataFrame()foriinrange(len(Year)):total1[Year[i]]=IC_A.iloc[i*int(len(IC_A)/10):(i+1)*int(len(IC_A)/10),:].mean()total2[Year[i]]=IC_SH50.iloc[i*int(len(IC_SH50)/10):(i+1)*int(len(IC_SH50)/10),:].mean()total3[Year[i]]=IC_HS300.iloc[i*int(len(IC_HS300)/10):(i+1)*int(len(IC_HS300)/10),:].mean()total4[Year[i]]=IC_ZZ500.iloc[i*int(len(IC_ZZ500)/10):(i+1)*int(len(IC_ZZ500)/10),:].mean()x=np.array(range(len(Year)))#全A股fig=plt.figure(figsize=(21,9))ax=fig.add_subplot(111)Fields=['EPSDILUTED','TOTAL_SHARE','ROEDILUTED','volume','TOTMKTCAP','PETTM','TURNRATE','NPGRT']foriinFields:plt.bar(x,total1.loc[i],bar_width,label=i)plt.xticks(range(len(Year)),Year)ax.set_title("IC_annual_ABS_Mean_A",fontsize=21)plt.legend()plt.savefig('fig/4.2.1.png')#上证50fig=plt.figure(figsize=(21,9))ax=fig.add_subplot(111)Fields=['TOTAL_SHARE','EPSDILUTED','volume','ROEDILUTED','TOTMKTCAP','PETTM','TURNRATE','NPGRT']foriinFields:plt.bar(x,total2.loc[i],bar_width,label=i)plt.xticks(range(len(Year)),Year)ax.set_title("IC_annual_ABS_Mean_SH50",fontsize=21)plt.legend()plt.savefig('fig/4.2.2.png')#沪深300fig=plt.figure(figsize=(21,9))ax=fig.add_subplot(111)Fields=['TOTAL_SHARE','EPSDILUTED','ROEDILUTED','volume','TOTMKTCAP','PETTM','TURNRATE','NPGRT']foriinFields:plt.bar(x,total3.loc[i],bar_width,label=i)plt.xticks(range(len(Year)),Year)ax.set_title("IC_annual_ABS_Mean_HS300",fontsize=21)plt.legend()plt.savefig('fig/4.2.3.png')#中证500fig=plt.figure(figsize=(21,9))ax=fig.add_subplot(111)Fields=['TOTAL_SHARE','EPSDILUTED','volume','TOTMKTCAP','ROEDILUTED','PETTM','TURNRATE','NPGRT']foriinFields:plt.bar(x,total4.loc[i],bar_width,label=i)plt.xticks(range(len(Year)),Year)ax.set_title("IC_annual_ABS_Mean_ZZ500",fontsize=21)plt.legend()plt.savefig('fig/4.2.4.png')plt.close()'''由上表可知，除了股本因子和EPS因子较强，净利润增长率较弱之外，其他因子的绝对的选股能力区别不大。综上所述，我们因子组合的评判标准分为三点:因子暴露度、因子相关强度和因子选股能力。结论如下:（1）三大股指的股本和EPS因子的偏离度均是最高的。中等偏离度的因子包括，换手率、ROE、PE、成交量因子。偏离度最小的是净利润增长率因子。（2）相关强度最低的组合为市值和成交量，股本和其他因子的相关强度都相对较低。（3）除了股本因子较强，净利润增长率较弱之外，其他因子的选股能力区别不大。综合以上结论，可知综合选择暴露度高、相关强度低和选股能力强的因子，股本和EPS作为因子组合较为合适。'''print(datetime.datetime.now()-time1)#################################################################################################importscipy.statsasstdeffactor_IC_analysis(context,index,factorData):ifindex=='SH50':index='SHSE.000016'ifindex=='HS300':index='SHSE.000300'ifindex=='ZZ500':index='SHSE.000905'ifindex=='A':index=NoneIC=[]fordateincontext.trade_date_list[:-1]:ifindex:#取股票池stockList=list(get_history_constituents(index,start_date=date,end_date=date)[0]['constituents'].keys())else:stockList=list(factorData[date].index)#获取横截面收益率#获取股票标的列表所对应的每天成交量数据df_close=history(symbol=stockList,frequency='1d',start_time=date,end_time=date,fields='symbol,close',skip_suspended=False,fill_missing='NaN',df=True)df_close_new=history(symbol=stockList,frequency='1d',start_time=context.trade_date_list[context.trade_date_list.index(date)+1],end_time=context.trade_date_list[context.trade_date_list.index(date)+1],fields='symbol,close',skip_suspended=False,fill_missing='NaN',df=True)df_close['close_new']=df_close_new['close']ifdf_close.emptyordf_close_new.empty:continuedf_pchg=df_close['close_new']/df_close['close']-1R_T=pd.DataFrame()R_T['symbol']=df_close['symbol']R_T['pchg']=df_pchgR_T.index=R_T['symbol']IC_Field=[]foriincontext.Fields:#获取因子数据factor_data=factorData[date].loc[factorData[date].ersection(stockList),i]R_T['factor']=factor_data#ifi=='volume':R_T['factor']=len(R_T)*[0]R_T=R_T.dropna()IC_Field.append(st.pearsonr(R_T.pchg.rank(),R_T['factor'].rank())[0])IC.append(IC_Field)result=pd.DataFrame(index=context.trade_date_list[:-1],columns=context.Fields,data=IC)result=result.dropna(how='all')returnresultdefgetCorr(context,index,factorData):ifindex=='SH50':index='SHSE.000016'ifindex=='HS300':index='SHSE.000300'ifindex=='ZZ500':index='SHSE.000905'corr=[]fordateincontext.trade_date_list:#获取该时间指数的每个交易日的股票组成stockList=list(get_history_constituents(index,start_date=date,end_date=date)[0]['constituents'].keys())temp=factorData[date].loc[factorData[date].ersection(stockList),:]corr.append(np.array(temp.corr()))returnnp.array(corr)defgetIndexRank(context,index,factorData):ifindex=='SH50':index='SHSE.000016'ifindex=='HS300':index='SHSE.000300'ifindex=='ZZ500':index='SHSE.000905'indexRank=pd.DataFrame(index=context.trade_date_list)foriincontext.Fields:tempindexRank=[]fordateincontext.trade_date_list:#获取该时间指数的每个交易日的股票组成stockList=list(get_history_constituents(index,start_date=date,end_date=date)[0]['constituents'].keys())temp=factorData[date][[i]]#每个交易日根据因子大小做排序temp=temp.sort_values(by=i,ascending=False)temp['rank']=range(len(temp)+1,1,-1)#获取指数的排序均值，存储到临时的list中tempindexRank.append((temp.loc[ersection(stockList),'rank'].mean()-len(temp)/2)/len(temp))indexRank[i]=tempindexRankreturnindexRankdefget_factor_data(index:str,date_list:list):factorData={}fordateindate_list:ifindex=='A':#获取每天大盘指数含有的股票标的stockList=list(set(list(get_history_constituents('SHSE.000002',date,date)[0]['constituents'].keys())+list(get_history_constituents('SZSE.399107',date,date)[0]['constituents'].keys())+list(get_history_constituents('SHSE.000300',date,date)[0]['constituents'].keys())+list(get_history_constituents('SHSE.000905',date,date)[0]['constituents'].keys())))#获取股票标的列表所对应的每天成交量数据hist_volume=history(symbol=stockList,frequency='1d',start_time=date,end_time=date,fields='symbol,volume',skip_suspended=False,fill_missing='NaN',df=True)#其中PE使用了PETTM，比较能够满足目前数据披露更新的及时性#TURNRATE:换手率,PETTM:动态市盈率,TOTMKTCAP:总市值,TOTAL_SHARE:总股本fund1=get_fundamentals_n(table='trading_derivative_indicator',symbols=stockList,end_date=date,count=1,fields='TURNRATE,PETTM,TOTMKTCAP,TOTAL_SHARE',df=True)#EPSDILUTED:摊薄每股收益_期末股数,