课程  因子投资  机器学习  Python  Poetry  ppw  tools  programming  Numpy  Pandas  pandas  算法  hdbscan  聚类  选股  Algo  minimum  numpy  algo  FFT  模式识别  配对交易  GBDT  LightGBM  XGBoost  statistics  CDF  KS-Test  monte-carlo  VaR  回测  过拟合  algorithms  machine learning  strategy  python  sklearn  pdf  概率  数学  面试题  量化交易  策略分类  风险管理  Info  interview  career  xgboost  PCA  wavelet  时序事件归因  SHAP  Figures  Behavioral Economics  graduate  arma  garch  人物  职场  Quantopian  figure  Banz  金融行业  买方  卖方  story  量化传奇  rsi  zigzag  穹顶压力  因子  ESG  因子策略  投资  策略  pe  ORB  Xgboost  Alligator  Indicator  factor  alpha101  alpha  技术指标  wave  quant  algorithm  pearson  spearman  tushare  因子分析  Alphalens  涨停板  herd-behaviour  momentum  因子评估  review  SMC  聪明钱  trade  history  indicators  zscore  波动率  强化学习  顶背离  freshman  resources  others  AI  DeepSeek  network  量子计算  金融交易  IBM  weekly  LLT  backtest  backtrader  研报  papers  UBL  quantlib  jupyter-notebook  scikit-learn  pypinyin  qmt  xtquant  blog  static-site  duckdb  工具  colors  free resources  barra  world quant  Alpha  openbb  数据  risk-management  llm  prompt  CANSLIM  Augment  arsenal  copilot  vscode  code  量化数据存储  hdf5  h5py  cursor  augment  trae  Jupyter  jupysql  pyarrow  parquet  数据源  quantstats  实盘  clickhouse  notebook  redis  remote-agent  AI-tools  Moonshot  回测,研报,tushare 

tools »

12个参数,48个组合,这么复杂的函数怎么学?


Table of Content

在Alphalens中,get_clean_factor_and_forward_returns函数自动实现了收益计算、分层、缺失值处理和标准化,大大简化了因子分析的工作。

但是,这个函数有12个参数, 48个参数组合,复杂度量指数远超McCabe博士提出的高风险区域50。加上不太懂因子分析的原理,初学者很容易在这一步就犯错,但却茫然无知。

这十二个参数可以归类为5组。factor与price参数作为数据输入,前面已经介绍过了。这里就不再显示了。

通过这些参数的控制,就可以让Alphalens帮我们完成收益计算、分层、缺失值处理和标准化。

这些功能在整个因子分析体系中的位置如下:

函数在体系中的位置与作用。计算前向收益等功能未绘出

分层行为由参数quantiles, bins和zeroaware来控制。quantiles与bins是互斥的参数,当我们指定bins时,需要把quantiles显著地置为None,才能使bins生效。

这篇文章主要讲解这两个参数,请看视频。