因子分析法python,python找一个数的因子

　　本文背景用于快速梳理常见的量化思路，其官方多因子策略白皮书非常适合入门。1.流程，获取因子数据

　　# Youkuang提供400多个因子数据，工程化TTM等标准化算法，利用dataapi直接获取PE=data API . mktstocksonedayget(secid=set _ universe( hs 300 )，TradeDate=U 20160922 。field=usecID，tradeDate，PE ，pandas=1 )。set _ index( secID )PE . head()# PE . plot(figsize=(14，SecidTradeDatePE00001。XSHE 2016-09-226.968000002。XSHE 2016-09-2216。XSHE 2016-09-2014 . 386868686866

　　1.极值去除

　　导入pyas NP #去极值winsorize after _ winsorize=winsorize(PE[ PE ]。to _ dict())PE[ winsorized PE ]=NP . nanpe . loc[after _ winsorize . keys()， winsorized PE]=after

　　# #标准化after _标准化=标准化(PE [winsorized PE]。to _ dict ()) PE [标准化PE ]=NP . nanpe . loc[after _ standarded . keys()，标准化PE]=after _

　　整体选股分位数：从所有候选股票中选取大于某个分位数风格分位数的因子得分：以行业为例，选取大于同行业某个分位数权重的因子得分，其他权重：最常见、最常见的市值权重：中证指数编制中的权重考虑因素为市值风格中性权重：权重由市值和股票所属行业在指数中的权重决定。

　　#信号合成signal=(0.5 * PD . series(signal _ PE))。Add (0.5 * pd.series (signal _ lcap)，fill _ value=0.0) #组合构造WTS=simple _ long _ only(dict(signal)，昔)等价于0.5pe和0.5lcap复合信号学习级数的加法方法，fill _ value为全部为空时的默认值。a=pd。Series([1，1，1，np.nan]，index=[a ， b ， c ， d ])aa 1.0b 1.0c 1.0d NAND type:float 64 b=PD。Series([1，np.nan，1，np.nan)，index=[a ，B ， d ， e ])ba 1.0 bnand 1.0 e NAND type:float 64a . add(B，fill _ value=0)a 2.0 B 1.0 c 1.0d 1.0 e NAND type:float 64这个simple _ long _只返回一个字典，键是股票名称，值是值权重，也就是说。# Transaction part account=context . get _ account( fantasy _ account )current _ position=account . get _ positions(exclude _ halt=true)target _ position=wts . keys()#卖出当前持有但未被目标持仓持有的部分用于set (current _ position)中的股票。差(target _ position):account . order _ to(stock，0) #根据目标持仓权重，对target _ position:account . order _ pct _ to(stock，WTS [stock])中的股票逐一委托下单。关于极值中和标准化的思考。去掉极值就好了。中和标准化基本上是一个黑箱。不知道怎么算。可能会有人写文章讲讲怎么算，很迷茫。你真的需要这样做吗？如果是快速简单的写验证的方式，最好用simple_long_only。如果需要各种设置参数，需要使用long_only。这个函数也是黑匣子，比较复杂。在实际操作中，最好所有的实现都可以自己完成，比较一下官方函数之间的区别。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。