算法研究--怎么样全市场可转债因子分析算法研究

: 小果量化交易量化研究专做量化开发研究，微信xg_quant

0 People liked this article · 430 views

今天我们开始学习小果因子分析系统的第一个内容，怎么样对全市场的可转债进行因子分析，检验因子分析，因子的效果，是不是值得做选股交易，后面会涉及到更复杂的因子分析，比如多因子分析，非线下因子分析，非线性多因子分析，还有我们常见的非数值类型的因子分析，最简单的例子就是金叉，死叉，感觉又回到了大学金融工程的课堂，上一个文章我们介绍了因子分析的原理算法研究--什么是股票因子分析原理分析，下面我们利用全市场可转债的的MACD因子分析，来检验MACD这个因子是不是有效果的，打开分析系统

分析框架我写了1000多行的代码，分析的内容还是很全面的

第一步读取全市场可转债的代码，调整为qmt可以识别的格式，数据利用qmt的

第二步利用指数的时间长度，建立数据表的框架，这样可以把不同上市的标的数据合在一个表，没有的数据利用none填充就可以

第三步生成因子数据价格数据,注意数据的时间格式要一样，读取历史数据，计算因子合并因子数据

把数据转成分析系统可以识别的因子数据框架，2个索引数据

factor_series = factor_df.stack()factor_series.index.names = ['date', 'asset']print(factor_series)

对因子数据继续分组，设置因子分析的参数，导入因子分析框架

对因子数据分组，处理因子标签

第四步开始因子分析，启动分析框架

下面我就截图分析的内容，指标方便参考因子分析的原理

>>> 分层收益绩效 (未来1D日) <<<      日均收益 (bps)  年化收益 (%)  波动率 (年化)    夏普比率  最大回撤 (%)    卡玛比率   胜率 (%)  \1.0       3.8299   10.1303   21.6363  0.4461  -25.3737  0.3992  51.8898   2.0       5.3086   14.3096   14.0490  0.9522  -14.8582  0.9631  53.6220   3.0       4.0799   10.8260   12.1789  0.8442  -19.3124  0.5606  53.5433   4.0       4.3084   11.4658   11.1815  0.9710  -18.6742  0.6140  55.1969   5.0       4.2800   11.3861   10.7341  1.0048  -16.1773  0.7038  54.7244   6.0       3.9451   10.4505   10.6873  0.9302  -19.3975  0.5388  53.4646   7.0       3.0747    8.0551   10.9213  0.7095  -22.8983  0.3518  52.2047   8.0       3.5072    9.2387   11.9798  0.7377  -23.3432  0.3958  52.3622   9.0       0.1229    0.3101   13.7954  0.0224  -41.1866  0.0075  51.9685   10.0     -4.0875   -9.7896   20.7225 -0.4971  -66.0735 -0.1482  48.7402         最大单日收益 (bps)  最小单日收益 (bps)  1.0       519.0975    -1059.7116  2.0       425.0273     -631.6201  3.0       340.8297     -502.6342  4.0       290.7695     -400.5401  5.0       287.5467     -455.8497  6.0       350.2365     -464.4760  7.0       511.0979     -443.0226  8.0       425.8704     -534.9824  9.0       482.5497     -621.7107  10.0      673.6289     -611.9344  >>> 分层收益绩效 (未来1D日) <<<      日均收益 (bps)  年化收益 (%)  波动率 (年化)    夏普比率  最大回撤 (%)    卡玛比率   胜率 (%)  \1.0       3.8299   10.1303   21.6363  0.4461  -25.3737  0.3992  51.8898   2.0       5.3086   14.3096   14.0490  0.9522  -14.8582  0.9631  53.6220   3.0       4.0799   10.8260   12.1789  0.8442  -19.3124  0.5606  53.5433   4.0       4.3084   11.4658   11.1815  0.9710  -18.6742  0.6140  55.1969   5.0       4.2800   11.3861   10.7341  1.0048  -16.1773  0.7038  54.7244   6.0       3.9451   10.4505   10.6873  0.9302  -19.3975  0.5388  53.4646   7.0       3.0747    8.0551   10.9213  0.7095  -22.8983  0.3518  52.2047   8.0       3.5072    9.2387   11.9798  0.7377  -23.3432  0.3958  52.3622   9.0       0.1229    0.3101   13.7954  0.0224  -41.1866  0.0075  51.9685   10.0     -4.0875   -9.7896   20.7225 -0.4971  -66.0735 -0.1482  48.7402         最大单日收益 (bps)  最小单日收益 (bps)  1.0       519.0975    -1059.7116  2.0       425.0273     -631.6201  3.0       340.8297     -502.6342  4.0       290.7695     -400.5401  5.0       287.5467     -455.8497  6.0       350.2365     -464.4760  7.0       511.0979     -443.0226  8.0       425.8704     -534.9824  9.0       482.5497     -621.7107  10.0      673.6289     -611.9344  >>> 多空组合 (Q10.0 - Q1.0) 绩效 <<<年化收益: -18.0938%年化波动: 18.9429%夏普比率: -0.9552最大回撤: -75.6687%胜率: 44.96%