['strategy'] »

Alphalens 因子分析 - 以低换手率因子为例(1)

#strategy   #factor   #Alphalens   #因子分析  

---

Table of Content

因子分析是量化研究的基本技能之一。通过因子分析，找出有效的因子，通过相关性去重后，就可以通过机器学习、线性回归等方法把因子组合起来，构成交易策略。

这一篇笔记我们就介绍如何使用 Alphalens 来进行单因子分析。我们使用的因子是低换手率因子。

股谚有一种说法，天量见天价，地量见地价。其背后的原理是，当成交量达到天量时，击鼓传花的游戏将后继乏人，难以持续，因而股价大概率回落。而成交量出现地量时，显示成交极为冷清，被套者无人愿割，因此由于失去做空力量，从而有可能向上反转。

---

衡量成交量的大小，我们可以有两种方法。

一种是在时间维度上，我们使用成交量是多少天（n）以来的最小值、最大值来表示。n 越大，包含的信息量就越大；另一种是在横截面维度上进行排名，此时需要先对成交量进行对齐，对齐的方式，就是将成交量转换成换手率。

Info

换手率是一定时间内，市场中标的转手买卖的频率，是反映标的交投活跃程度的指标之一。它的计算公式是 \(\(换手率 = \frac{成交额}{流通股数}\)\)

手工计算需要两方面的数据，一是每日的成交额，另一组是流通股数。流通股数是一个低频变化的数据，也需要进行复权，计算比较复杂。所以，我们一般直接从数据源处获得此数据。

这篇笔记我们仍然使用免费的 akshare 来获取相关数据。不过，考虑到 QMT 量化权限的开通门槛现在已经很低了，只要开通了 QMT，也就相当于免费获得了这些数据，因此后面的笔记就会主要使用 QMT 来获取数据了，只有在某些品种 QMT 还没有提供时，我们才会使用 akshare。

我们的低换手率因子将构建在沪深 300 成份股上。整个构建过程是：

---

💡 1. 获取沪深 300 成份股代码

💡 2. 获取一段时间内 300 成份股的价格和换手率数据

💡 3. 生成 alphalens 需要的 factor 和 forward returns 数据

💡 4. 进行因子检验分析

Alphalens 能生成的报告非常多（下图为其中之一），所以，第 4 步我们将分几篇笔记详细进行介绍。

一个完整的因子分析流程包括原始数据获取、生成因子、数据（及因子）预处理、因子检验。

预处理包括缺失值统计、中性化、去极值、标准化等操作；因子检验则有 IC 法、分层回测等方法。

因子生成因为涉及到核心算法，需要由研究员自己完成，其它的部分，我们掌握原理之后，就可以借助框架来完成。不过，在本例中，因子生成无须另外构造，我们直接使用换手率就好。

---

获取数据

我们通过下面的代码来获取沪深 300 成份股代码：

import akshare as ak

df = ak.index_stock_cons_csindex(symbol="000300")
secs = df["成分券代码"]
secs

我们通过 index_stock_cons_csindex 这个 API 来获取指数成份股，沪深 300 的代码是 000300。

你将会看到 000001, 000002 等输出。akshare 输出的证券代码很多时候是不带交易所（前）后缀的。

Warning

这里实际上已经引入了一个错误。通过 index_stock_cons_csindex 获取的指数成份股，都是最新的数据。而成份股列表实际上是在持续更新的。如果我们在 2023 年的元月获取沪深 300 成份股，结果很可能会与今天获取的不一致。

考虑到某所经常把创新高的标的纳入指数，下跌后的标的剔除指数，所以，因未能使用 PIT 数据，我们实际上上修了该因子的收益率。

接下来我们获取这些标的的收盘价和换手率。在 akshare 中，stock_zh_a_hist 这个 API 的返回值中，同时包含了收盘价和换手率：

---

bars = ak.stock_zh_a_hist("000001", adjust="hfq", start_date="20150104")
bars.tail()

返回值有很多列，我们只关心日期、收盘和换手率这三项。这个 API 有一个 adjust 参数，即要求我们选择复权方式。在本例中我们使用 qfq 和 hfq 都没有任何区别，但是不能使用不复权数据。

熟悉了 akshare 的基本 API 之后，我们就正式获取数据，并将它转换成 alphalens 所需要的格式：

from typing import List

def prepare_data(secs: List[str], start: str, end: str):
    factors = []
    prices = []

    for sec in secs:
        bars = ak.stock_zh_a_hist(sec, adjust="qfq", start_date=start, end_date=end)
        bars["asset"] = [sec] * len(bars)
        prices.append(bars[["日期", "asset", "收盘"]])

        factors.append(bars[["日期", "asset", "换手率"]])

    # 处理因子表
    factor = pd.concat(factors)
    factor.rename(columns = {"换手率":"factor", "日期":"date"}, inplace=True)
    factor["date"] = pd.to_datetime(factor["date"], utc=True)
    factor.set_index(["date", "asset"], inplace=True)

---

alphalens 进行分析时，需要的 factor 数据表的格式如下：

关键之处是，它是必须是一个由 date + asset 的双重索引的 DataFrame。而这个 dataframe 应该只有一列，列名字没有规定，但建议使用 factor 这样的列名字，这样更容易理解（bad example here!）。

stock_zh_a_hist 只能返回个股的行情数据。我们要先给它增加 asset 列（其值为个股代码），然后简单地将每支个股的换手率数据拼接成一个大的 dataframe，再进行重命名、设置多重索引就可以了。

这里要注意， alphalens 要注日期时间字段为 timezone-aware 数据，即要设置时区，并且两个表的时间要一致。

---

akshare 返回的日期字段类型为字符串，所以我们要进行一次转换。但像换手率、收盘价数据则已经是 float64 格式了。

def prepare_data(secs: List[str], start: str, end: str):
    ...
    # 接上一段代码， 处理 PRICES 表格
    prices = pd.concat(prices).pivot(index="日期", columns="asset", values="收盘")

    # 价格表 INDEX 类型转换： STR -> DATE
    prices.index = pd.to_datetime(prices.index, utc=True)

    # 价格表 INDEX 名字必须转换为'DATE'
    prices.rename_axis('date', inplace=True)

    return factor, prices

prices 表格必须转换成以下格式：

格式的要点是，它是以日期为索引，每个 asset 的代码为列的一个 dataframe，每一个 cell 的值则是当天某个 asset 对应的收盘价。

先将各个子 price frame 拼接起来，然后通过 pivot 函数，对表格进行转换，最终就得到上面的格式。这个转换如下图所示：

---

现在，我们就得到了符合 alphalens 要求的数据。数据准备工作已经完成。

数据预处理

处理缺失值、中性化、标准化等工作，如果有必要，alphalens 将会为我们处理。alphalens 提供了 get_clean_factor_and_forward_returns 这个 API：

from alphalens.utils import get_clean_factor_and_forward_returns

factor_data = get_clean_factor_and_forward_returns(
                                        factor, 
                                        prices, 
                                        bins=None, 
                                        quantiles=10
                                    )
factor_data.tail()

经过预处理后的结果如下：

---

因子分析有绝对收益法、IC 法和分层法，这在 Alphalens 中是同步处理的 -- 你可以选择只看某个分析结果，但在预处理阶段，我们必须把相应的参数传递进去。这里的参数 bins/quantiles 就是用来分层的。

bins/quantiles 的用法类似于 dataframe 的 cut 或者 hist() 函数中的同名参数。这里我们简单介绍一下。

上例中我们指定了 quantiles=10，它是把每一天的因子数据从小到大排列后，按 len(df)/10 进行切分，即每个分片中，大致落入相等的因子记录（由于缺失值处理等原因，所以不会完全相等）。

我们可以 group 之后，看下结果：

factor_data.groupby("factor_quantile").count()

如果我们不使用 quantiles 参数，而是指定 bin 为 10，则它会把区间 [min(factor), max(factor)] 进行均匀划分，即每个 bins 的宽度一样，但落在 bin 中的个数不一样， groupby 之后的结果如下：

---

两相对照，两个参数的异同不言自明。

!!! faq 本例中，我们将使用 quantiles，为什么？ 我们要验证的是地量见地价这句股谚。因此，我们应该选择换手率最低的个股买入。为了平衡风险，我们可能选择 30 支，也就是 10%左右的标的买入。因此，我们按 quantiles 划分才是合理的。

现在，我们就完成了因子分析的前三步，接下来，我们将在下一篇笔记中介绍低换手率因子的结果。

Tip

尽管有无数人使用，但 Alphalens 已经无人维护了。它依赖的 python 库却在不断前行。现在你使用 alphalens 的话，会遇到以下错误：

    AttributeError: 'Index' object has no attribute 'get_values'

这个错误是因为pandas更新造成的。

好在 ml4trading 已经接手了这一工作，通过 alphalens-reloaded 来继续维护。如果你要使用这个库的话，也请在 Github 上为这个项目 star 吧。