Alphalens因子分析(2) - 低换手率因子秒杀98%的基金经理？

最新推荐文章于 2025-10-01 12:03:01 发布

原创

最新推荐文章于 2025-10-01 12:03:01 发布 · 1.7k 阅读

22 ·

CC 4.0 BY-SA版权

文章标签：

#量化交易 #金融 #程序员创富 #python

本文介绍了如何在Alphalens框架中进行因子分析，包括数据预处理、回报分析（如日均回报和分层回报）、统计特性检查以及图形展示（如violin图和累积回报图）。作者强调了换手率因子的单调性对策略的重要性，并指出Alphalens在某些场景下的局限性。

上一篇笔记，我们已经为因子分析准备好了数据。这一篇笔记，我们就进行因子分析。分析过程在 Alphalens 中非常简单，核心是读懂它的报告。

Alphalens 框架

Alphalens 的主要模块是 utils, tears, performance 和 plotting。

utils 主要功能是提供数据预处理，我们已经在上一篇笔记中，已经使用过 get_clean_factor_and_forward_returns 这个方法，实际上是由quantize_factor get_clean_factor和compute_forward_return 这样三个方法构成的。

在这个方法运行时，它会输出这样的提示信息：

Dropped 4.1% entries from factor data: 4.1% in forward returns computation and 0.0% in binning phase (set max_loss=0 to see potentially suppressed Exceptions).

max_loss is 35.0%, not exceeded: OK!

它涉及到因子分析框架的几个步骤，在我们的课程中，对其原理有详细讲解。作为一个快速入门，我们就跳过这些细节。我们只要知道，看到最后的 not exceeded: OK！就大功告成。
在这里插入图片描述

这张导图显示了Alphalens的模块组织情况:

75%

performance 模块提供因子分析的基础功能，plotting 模块提供图形绘制功能。而 tears 模块则是将 performance 与 plotting 的操作组合起来，向用户生成报告。

utils 与 tears 模块是用户接口，我们可以只使用这两个模块中的功能，而不去管 performance 与 plotting 模块具体是怎么工作的。

现在，我们来查看 factor_data（请回顾上一篇笔记，以了解这个数据是如何生成的）:

列"1D"等代表了对应行所属的时间戳之后的 N 天的收益。factor 则是当时的因子值，factor_quantile 则是该因子在当天中的分层。因此，第一行记录表明，对于 000001 这个标的，在 1 月 3 日，因子为 1.13，属于第二组（由小到大，从 1 开始）。该资产在随后的一天、五天和十天内，累计涨跌幅分别为 4%, 4.9%和 8.8%。

在这里插入图片描述