【量化交易】因子数据处理-标准化和市值中性化

学习目标

• 目标
  • 应用标准化对因子进行标准处理
  • 实现标准化函数

去完极值之后，我们再去进行标准化，是否会更加准确些？

一、对pe_ratio标准化

from sklearn.preprocessing import StandardScaler
std = StandardScaler()
std.fit_transform(factor['pe_ratio2'])

二、实现标准化

在调用fit_transform之后，数据的类型会变成array数组。不去修改原来的类型，我们可以简单的实现

def stand(factor):
  """自实现标准化
  """
  mean = factor.mean()
  std = factor.std()
  return (factor - mean)/std

调用

factor['pb_ratio'] = stand(factor['pb_ratio'])

---

因子数据处理-市值中性化

学习目标

• 目标
  • 说明中性化处理因子数据的原理
  • 应用回归法对因子数据去中性化
  • 应用市值中性化进行选股

一、为什么需要中性化处理

市值中性化是为了在因子选股回测的时候(不属于因子挖掘时候使用)防止选到的股票集中在固定的某些股票当中。

怎么理解？

1.1 市值影响

默认大部分因子当中都包含了市值的影响，所以当我们通过一些指标选择股票的时候，每个因子都会提供市值的因素，是的选择的股票比较集中，也就是选股的标准不太好。