什么是多因子量化选股模型？
》主要介绍了多因子模型产生的理论背景、基本原理和实现步骤，而《【手把手教你】Python量化Fama-French三因子模型
》则对国内A股市场的三因子模型进行了实证分析。多因子量化模型研究的对象主要是因子，因此单因子的回测和有效性检验是整个多因子模型的重要组成部分。本文结合Python开源包Alphalens，以A股市场真实场景数据，手把手教你对单因子进行量化回测。Alphalens是Quantopian公司（美帝最大的量化回测平台之一，国内几个基本上都是仿他们家的）三大知名Python开源包之一，其他两个分别是Zipline（策略回测，一直没安装成功）和Pyfolio（策略分析）。Alphalens主要提供因子收益分析、因子IC分析、因子换手分析和事件研究等回测框架，由于简单易上手和科学稳定等优点，是量化分析师最常用的回测工具包之一。#先引入后面可能用到的包（package）
import alphalens #使用pip安装即可
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
#正常显示画图时出现的中文和负号
from pylab import mpl
mpl.rcParams['font.sans-serif']=['SimHei']
mpl.rcParams['axes.unicode_minus']=False
#还是使用tushare获取数据
import tushare as ts
token='输入token'
pro=ts.pro_api(token)
#获取当前交易的股票代码和名称
def get_code():
df = pro.stock_basic(exchange='', list_status='L')
#剔除2017年以后上市的新股次新股
df=df[df['list_date'].apply(int).values<20170101]
#剔除st股
df=df[-df['name'].apply(lambda x:x.startswith('*ST'))]
codes=df.ts_code.values
return codes
df=pro.daily_basic(ts_code=get_code()[0],start_date='20110101')
for code in get_code()[1:]:
df1=pro.daily_basic(ts_code=code,start_date='20110101')
df=pd.concat([df,df1])
df_new=df.loc[:,['ts_code','trade_date','close','pe_ttm']]
df_new.loc[:,'trade_date']=pd.to_datetime(df_new.trade_date)
#设定双重重索引的数据格式
df_new=df_new.set_index(['trade_date','ts_code'])
#根据第一索引排序
df_new=df_new.sort_index()
#查看数据前几行
df_new.head()df_new.describe().round(2)#对数据进行缩尾处理，并进行标准化def winsor_data(data):
q=data.quantile([0.02,0.98])
data[data<q.iloc[0]]=q.iloc[0]
data[data>q.iloc[1]]=q.iloc[1]
return data
#数据标准化
def MaxMinNormal(data):
"""[0,1] normaliaztion"""
x = (data - data.min()) / (data.max() - data.min())
return x
factor=df_new['pe_ttm'].groupby('trade_date').apply(winsor_data)
factor_new=factor.groupby('trade_date').apply(MaxMinNormal)
factor_new.hist(figsize=(12,6),bins=20)
prices=df_new['close'].unstack()
prices.head()
data=alphalens.utils.get_clean_factor_and_forward_returns(factor_new,prices,
quantiles=10,periods=(10,20,60))
data.head()
单因子的收益率分析主要围绕10、20、60日（可自己设定）调仓周期，将因子数据从小到大排列，分为10个分位数进行回测，一行代码便可实现，但函数名称实在太冗长了。第一张表报告了不同调仓期的alpha、beta、高分位（top quantile）和低分位（bottom quantile）的收益情况。柱状图清晰地显示出该因子（市盈率）随着分位的提高收益由正转负，可见市盈率因子与股票收益存在一定的反向关系，即市盈率越小，未来收益越高，与理论和直觉基本一致。小提琴图是多收益率的分布，60日调仓的收益更加集中，方差更小，收益率更加可信。 由于对因子进行了归一化化处理，因此可以以因子值为权重构建一个全市场的股票组合进行回测。对于cumulative return by quantile的评价标准是累计收益率是否发散，越发散越好，说明因子的区分度越高，60天调仓期出现了明显的发散。好的信号：波动小，在某一个方向的占比处于绝对地位，如大部分的Top minus bottom都是正的。
alphalens.tears.create_returns_tear_sheet(data)信息分析说白了是考察IC和IR指标。IC全称为Information Coefficient, 即信息系数，代表因子预测股票收益的能力。其原理是通过计算全部股票在调仓周期期初排名和调仓周期期末收益排名的线性相关度（correlation）。 不难理解，IC绝对值越大的因子，选股能力越强。IC的值在[-1,1]区间内，最大值为1，表示该因子100%准确，对应的是排名分最高的股票，选出来的股票在下个调仓周期中，涨幅最大；相反，如果IC为-1，则代表排名最高的股票，在下个调仓周期中，涨幅最大，是一个完全反向指标，也是非常有意义的，使用的时候反向操作即可。一般而言，当IC的绝对值<0.05时，说明该因子对于的股票没有任何预测能力或较差，当IC绝对值>0.05时，因子选股能力有一定的意义，当IC大于0.5时因子稳定获取超额收益能力较强。
IR全称是Information Ratio，等于IC的多周期均值/IC的标准差，或等于超额收益均值/超额收益标准差，代表因子获取稳定Alpha的能力。 整个回测时段由多个调仓期组成，每一个周期都会计算出一根不同的IC值，IR等于多个调仓周期的IC均值除以IC的标准差。因此IR兼顾了因子的选股能力和因子选股能力的稳定性，IR值越大越好。
information analysis表给出了每个调仓周期下，IC的均值、方差以及t统计量，还有偏度、峰度以及年化的IR。因子信息分析好的评判标准是：IC的均值较高，方差小，而t统计量大（一般大于2）或p-value小（一般小于5%）。从结果上看，PE因子的IC均值都比较小，看来不是很理想的选股因子偏度和峰度主要考察和正态分布的偏离程度，主要用于分析小概率事件的影响。
alphalens.tears.create_information_tear_sheet(data)Q-Q plot图是查看样本分布与正态分布的对比情况，如果满足正态分布，Q-Q图上的点应该在y=x上。虽然有些IC的取值挺大的，但是尾部比较大，均值大是由于极度的尖峰和右偏造成的。还需具体考察IC的分布来决定一个因子的预测能力是不是可靠。
热力图提供了不同时间段因子的预测能力表现，有利于进行因子的情景分析。通过热力图我们可以轻易识别哪些时间段IC值比较好，哪些时间段IC比较差，有没有突发的情况，然后可以对此进行情景分析。
ic=alphalens.performance.mean_information_coefficient(data,by_time='1y')
from pyecharts import Bar
attr=ic.index.strftime('%Y')
v1=list(ic['10D'].round(2))
v2=list(ic['20D'].round(2))
v3=list(ic['60D'].round(2))
bar=Bar('IC均值：2006-2019')
bar.add('10D',attr,v1)
bar.add('20D',attr,v2)
bar.add('60D',attr,v3)
bar
实际交易是有手续费的，因子对单因子的回测还需要考虑换手率的影响，换手率越高说明交易次数越多，可能产生的手续费越高。如果一个因子，今天给一个股票打了很高的分，明天就打很低的分，这将导致对该股频繁的买卖，从而造成很高的手续费。所以，因子的换手率分析也是很重要的一个部分。
还有一个角度可以查看因子造成的换手率高低，就是因子的自相关性。如果因子的自相关性低，那么就一会儿高，一会儿低，往往会造成很大的换手率。而因子的自相关性高，就不会有这样的问题。因子的截面换手率越低，因子的自相关性越高
alphalens.tears.create_turnover_tear_sheet(data)
