打开量化投资的黑箱-多因子选股篇

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

突然想做个系列，结合自己的学习路程让更多的量化爱好者有机会接触这条路。
这一篇做的是多因子选股篇，结合具体策略来说，说的不好还请大家多多指正。

前言
选股思路来自于前些日子看的一本书《超级成长股》，全篇就讲了两个因子：市销率跟市研率（市值跟研发费用）。
作为翻版小市值收益曲线还是可以的。
选用的是市销率+净利润增长率+营业收入增长率三个因子，先选出市销率最低的30只股票，然后用净利润增长率+营业收入进行等权打分，选出分最高的前十只股票，在优矿平台上实现。
策略部分
选用的语言是Python，这里导入的是3个包，numpy、pandas是python自带的，CAL是优矿自己集成的库

1. import numpy as npimport pandas as pdfrom CAL.PyCAL import *

复制代码

每一个策略都要有确定回测的区间、相对的基准、股票池、初始资金、策略执行的频率以及佣金

1. start = '2014-01-01'end = '2016-01-01'   benchmark = 'HS300'                                 # 基准为HS300指数  universe = DynamicUniverse('HS300')                  # HS300动态股票池capital_base = 100000000refresh_rate = 5   commission = Commission(buycost=0.0003, sellcost=0.0003, unit='perValue')    # 设置手续费

复制代码

导入上交所日历、定义三个因子

1. # 日期处理cal = Calendar('China.SSE')                               # 导入上海证券交易所交易日历，Cal是优矿自己集成的包# 定义因子名称，市销率、净利润增长率、营业收入增长率factor_name = ['PS','NetProfitGrowRate','OperatingRevenueGrowRate']  

复制代码

  相当于在券商开个户

1. def initialize(account):                   # 初始化虚拟账户状态    pass

复制代码

策略逻辑部分：

def handle_data(account):                  # 每个交易日的买入卖出指令

设定股票池

1.   today = account.current_date                                      # 当前交易日  yesterday = cal.advanceDate(today, '-1B')                        # 前一个交易日，B: 工作日，M：月，W：周，Y：年    yesterday_str = yesterday.strftime('%Y%m%d')         # 日期类型转化为字符串     valid_uni = DataAPI.IdxConsGet(ticker=u"399300",intoDate=yesterday_str,field=['consID'],pandas="1")['consID'].tolist()         # 前一交易日HS300（399300）成分股列表    valid_uni = [s for s in account.universe if s in valid_uni]  

复制代码

提取市销率因子 ,这里调取了优矿的因子数据

1.     Factor_PS = DataAPI.MktStockFactorsOneDayGet(tradeDate=yesterday_str,secID=valid_uni,field=['secID','PS'],pandas="1")    Factor_PS.set_index('secID',inplace=True)

复制代码

按市销率，选市销率最小的30只股票

1.     sec_list = Factor_PS.sort('PS')[0:30].index.tolist()      

复制代码

提取市销率最小30只股票的净利润增长率和营业收入增长率数据

1.     Factor = DataAPI.MktStockFactorsOneDayGet(tradeDate=yesterday_str,secID=sec_list,field=['secID','NetProfitGrowRate','OperatingRevenueGrowRate'],pandas="1")    Factor.set_index('secID',inplace=True)   

复制代码

1. #净利润增长率NetProfitGrowRate Factor_NetProfitGrowRate = Factor['NetProfitGrowRate'].dropna().to_dict()    #dropna()跟to_dict() 是python pandas中的两个函数，在这里的意思是把值为空的剔除掉    signal_NetProfitGrowRate = standardize(winsorize(Factor_NetProfitGrowRate))  # 因子处理：去极值、标准化，去掉极大极小值，让因子之间可加减

复制代码

    # 营业收入增长率OperatingRevenueGrowRate,处理方法同上

1.     Factor_OperatingRevenueGrowRate = Factor['OperatingRevenueGrowRate'].dropna().to_dict()    signal_OperatingRevenueGrowRate = standardize(winsorize(Factor_OperatingRevenueGrowRate))

复制代码

1.     # 按净利润增长率和营业收入增长率等权打分    Total_Score = pd.DataFrame(index=Factor.index, columns=['NetProfitGrowRate','OperatingRevenueGrowRate'], data=0)    Total_Score['NetProfitGrowRate'][signal_NetProfitGrowRate.keys()] = signal_NetProfitGrowRate.values()    Total_Score['OperatingRevenueGrowRate'][signal_OperatingRevenueGrowRate.keys()] = signal_OperatingRevenueGrowRate.values()    Total_Score['total_score'] = np.dot(Total_Score, np.array([0.5, 0.5]))  # 综合两个因子的大小，等权求和评分

复制代码

买入列表   
    buylist = Total_Score.sort('total_score').tail(10).index.tolist()       # 选出评分最高的10只股票

1.     buylist = {s: 0 for s in buylist}

复制代码

买入判断
    for s in account.valid_secpos.keys():

1.         if s not in buylist:            order_to(s, 0)    each_buymoney= account.reference_portfolio_value / len(buylist)   #将投资组合的价值平分为len(buylist)份，等份买    for s in buylist:        if s in account.security_position:   #如果待买入股票已经持有，则不进行买入，否者就需要计算买入的头寸并下单            continue        amount= each_buymoney / account.reference_price[s] # account.reference_price 意思是获取可买入证券前一日收盘价        order(s, amount)

复制代码

回测曲线：

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏11 回帖

关键词：多因子选股 量化投资 多因子 standardize Commission 营业收入 爱好者 增长率 超级成长 收益

这是推广么

典型的幸存者偏差错误

tushenhao 发表于 2016-11-26 17:10
典型的幸存者偏差错误

用了动态股票池加每天选，应该还好吧

感谢楼主分享

谢谢楼主