# 新手指引 ## 量化交易是做什么 量化交易是指借助现代统计学和数学的方法,利用计算机技术来进行交易的证券投资方式。也就是说,将想法细化成明确可执行的交易策略,目的是得到确定的结果。把明确后的交易策略通过编程转成程序,让计算机根据历史数据模拟执行该策略,并根据实际行情进行反应并模拟交易或真实交易。之后借助计算机来验证策略,基本的检验策略方法有回测交易和模拟交易两种方法。回测交易是让计算机根据一段时间的历史数据模拟执行该策略,根据结果评价并改进策略。模拟交易是让计算机根据实际行情模拟执行该策略一段时间,根据结果评价并改进策略。 ## 量化交易的价值 - 利用大量历史数据检验策略,提升效率 - 更科学客观的衡量交易策略的效果 - 全市场实时捕捉交易机会 - 更多盈利机会 ## 量化交易需要什么 - 各种数据,要有能方便使用的各种投资相关的数据。这要考虑到各种数据的收集、存储、清洗、更新,以及数据取用时的便捷、快速、稳定。 - 一套量化交易的系统,要有能编写策略、执行策略、评测策略的系统。这要考虑到系统对各种策略编写的支持、系统进行回测交易与模拟交易的高仿真、系统执行策略的高速、系统评测策略的科学可靠全方面。 # Auto-Trader 量化研究交易终端 ## AT是什么 Auto-Trader(以下简称AT)量化研究交易终端是Bitpower推出的新一代策略研究与交易服务系统,面向专业的量化研究投资者。和一般的自动化交易软件不同,AT提供强大的数据扩展功能,支持复杂的策略逻辑,让策略的研究并不局限于图表和技术指标;同时,采用开放性的接口方式,让研究员和策略师可以使用他们所熟悉的Matlab或Python语言完成研究和策略编写;通过Matlab和Python工具箱提供的下单API,链接真实柜台,无需用户掌握与交易柜台的复杂对接。AT内置丰富的可视化分析和强大的回测功能,支持多品种、多周期、多账户、多交易市场、 多策略等复杂系统架构,是一款真正意义上的强大策略研究与交易终端。 ## AT的核心功能 - 数据提取:AT支持六大交易所以及能源中心的全部品种数据<font size=2>(期权相关功能暂未在AT中提供)</font> - 回测功能:用量化策略对过去指定时间段进行模拟交易,从而多维度评估策略在历史行情中的表现 - 交易支持:模拟交易&真实交易 - 绩效报告展示:AT可生成全方位的策略回测报告,并支持该报告从Matlab或者Python工具箱中提取 - 策略池:可随时查看策略思路说明、策略源代码和业绩报告,达到策略分享,信号分享等商业变现方式 - 交割单分析功能:可快速对自己或他人的交易风格和策略思路进行专业的评价和绩效分析 - 云托管:实现云端运行策略,无人看守运行策略,满足对策略运行环境封闭要求 - 信号发送和跟踪: 可分享实时策略信号给其他用户,也可跟踪其他用户的策略信号 - 开放和扩展性:支持使用任意外部第三方库,使用任意外部数据,使用任意 IDE(适用于 Python) ## AT的受众群体 - 金融机构:用户遍布国内主要券商,公募基金和私募基金 - 研究人员:券商研究所、高校老师、高校学生 - 教师及在校学生:教师用点宽提供的课程教案进行授课 - 量化交易者 # 如何获取AT ## 下载AT 登陆点宽官网([https://www.digquant.com.cn/at.php][1])进行软件下载,双击完成安装。 ## 推荐配置要求 | | | | :------------: | :----------------------------------------------------------: | | 运行环境 | 64位Windows 7、64位Windows 10 | | 处理器 | Intel Core i5 CPU @ 7500T 2.70 GHz | | 硬盘容量 | 安装完成后软件约700M,运行后的数据需要比较大的硬盘空间,与获取数据量大小有关 | | 内存 | 16G | | 支持Matlab版本 | 64位2013版及以上 | | 支持Python版本 | 64位3.5x,3.6x,3.7x | ## 注册用户和登陆 启动AT后进入到用户登录界面,使用手机号进行注册或登陆,AT登录账号与点宽网账号一致。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/2.png) ## 界面简介 打开AT,默认界面如下: <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/42.png) 打开AT,默认显示首页,首页中可<font color=red size=3>` 打开Python `</font>或<font color=red size=3>` 打开Matlab `</font>启动直接编写策略,也可通过点击<font color=red size=3>` 立即写策略 `</font>开始策略编写,同时会显示四个方面的整体概览: - **账户概览:**显示模拟账户和托管账户的信息 - **我的策略:**仅显示本地策略池中已回测过的策略 - **云托管交易:**仅显示正在托管中的策略 - **业绩分析:**显示导入的csv格式的分析数据表所生成的分析结果 各个概览点击<font color=red size=3>` 马上新建 `</font>或<font color=red size=3>` 更多 `</font>,即可链接到相应的页面进行操作,查看相应页面的全部内容。 ## 获取帮助和支持 AT菜单栏中最后一项<font color=red size=3>` 帮助文档 `</font>,单击可跳转至官网AT相关的帮助界面,包括如何获取数据、如何编写策略、典型策略示例等。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/43.png) - 支持的基本面数据和行情数据的范围详见[数据字典][2]。 - 点宽量化团队提供产品的任何咨询服务及技术支持服务。 ``` 联系电话:400-1860-552 官方QQ群:463071731 邮箱:contact@digquant.com.cn ``` ## AT应用设置 在AT上边栏处可点击设置按钮进行应用设置,其界面与首页处<font color=red size=3>` 打开Python `</font>或<font color=red size=3>` 打开Matlab `</font>相同。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/44.png) 在Python设置及Matlab设置处可进行IDE路径设置,并查看安装指引。详细安装指引可见官网<font color=red size=3>` AT相关 `</font>[Matlab API说明][3]及[Python API说明][4]。 <br> <img src="https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/45.png" width="475" /> <img src="https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/46.png" width="475" /> 可勾选进行下单设置及跟踪设置,并可从资金、持仓、委托单、成交单、止盈止损单五个方面改变账户信息。 可点击界面左下角恢复默认状态。 <br> <img src="https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/47.png" width="305" /> <img src="https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/48.png" width="305" /> <img src="https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/49.png" width="305" /> # 策略指引 ## 新建策略 策略的编写只能在本地编写,有两种编写的情况: 1.无策略文件,直接编写策略。在AT菜单栏首页处点击<font color=red size=3>` 立即写策略 `</font>,即可新建策略。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/6.png) 或AT菜单栏我的策略处点击<font color=red size=3>` 立即写策略 `</font>,即可新建策略。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/7.png) 后在策略信息处编辑策略名称、策略脚本名称、投资类型、编程语言等必要信息,以及回测参数、标的、刷新频率、注册数据等策略信息。生成策略后将自动保存在本地策略池。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/8.png) 其中: - **“策略信息”**是一些在策略池显示的信息(必填)。 - **“运行账户”**用户指定实时交易脚本使用的账户。 - **“回测参数”**指回测使用的初始资金和回测开始和结束时间。 - **“标的”**指策略使用的标的资产,会在策略运行时订阅。 - **“刷新频率”**指策略函数运行的频率。 - **“注册数据”**包括注册行情数据和注册BP因子数据。 - **“自建因子”**用于用户需要使用自己的函数,可以使用注册函数和BP因子为基础,在策略结构中使用(高阶应用)。 - **“策略参数”**指用户在执行脚本中定义,然后传进策略里面的参数。 2.本地有策略文件,直接导入AT。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/9.png) 点击<font color=red size=3>` 已有策略文件?立即导入 `</font>将弹出下图: <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/50.png) 用户可以选择上传Matlab的策略或者Python的策略,其中带*符号的1、4、5是必填项,其他按照要求填写即可,点击<font color=red size=3>` 完成 `</font>,上传成功以后,本地策略中会出现该策略卡片。 在策略卡片中,点击设置按钮,可修改<font color=red size=3>` 投资类型 `</font>和<font color=red size=3>` 备注信息 `</font>,策略新建成功后,策略名称不可修改;点击编辑按钮,可启动Matlab或Python,在Matlab或Python中可编辑策略脚本及运行脚本。 ## 私有云策略 1.点击策略卡片左上角,<font color=red size=3>` 同步到私有云 `</font>:将保存在本地的策略脚本和绩效文件同步到私有云;<font color=red size=3>` 云托管 `</font>:私有云策略实盘托管运行。 2.点击界面右侧<font color=red size=3>` 一键同步到私有云 `</font>,可将多个策略同时同步到私有云。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/51.png) ## 策略编写和回测 - **策略:**量化策略是借助计算机技术实现投资思想的逻辑代码,一般包括数据获取、信号分析、执行交易三大模块。 - **回测:**一种快速验证投资思想的手段,使用真实历史数据验证交易逻辑并产生交易绩效报告,通过分析绩效报告能够帮助投资者优化投资逻辑或模型。 - **回测结构:**AT的回测结构考虑到了用户使用的灵活性、多样性、快速上手等因素。对多品种、多周期、多账户、多交易市场、多策略等复杂系统架构都有支持,方便组合管理、风险控制和资产配置。使用完全自主研发的回测结构,实现并行运算,外部数据导入等高效个性化的操作。 - **回测速度:**由于自主的数据压缩和分发专利,以及计算时支持指标并行计算,AT量能的回测速度非常快,远远领先于同类型的产品。 以Matlab为例,在AT完成策略的新建后在Matlab端进行策略编写。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/10.png) 编写完成后,运行策略,在AT处观察回测结果。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/11.png) 在策略回测界面下方可查看成交记录、委托记录及回测日志。改变开始时间及结束时间以进行回测的调试。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/13.png) 可点击界面右上角的<font color=red size=3>` 立即导入到资源池 `</font>,填写必填项,将回测添加至本地资源池。 ## 回测绩效 在策略回测界面右上角点击<font color=red size=3>` 查看绩效报告 `</font>,可进入回测报告详细页面。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/14.png) AT量能可生成全方位的策略回测报告,从收益风险分析、调仓效果分析、持续性分析、归因分析等维度客观展示交易特点和评估绩效。 绩效展示了策略回测明细情况,包括业绩走势,策略详情,交易资料,周期分析,策略分析和交易分析。点击下方<font color=red size=3>` 一键导出报告 `</font>将其导出。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/15.png) 也可通过Matlab及Python获取回测完的绩效报告,详见[Matlab获取][6]及[Python获取][7]。 ## 策略案例和策略池 全国首推策略资源池,利用AT开发的所有策略模型可通过此功能上传研究产出的策略成果,并分类保存管理。并随时查看策略思路说明、策略源代码和业绩报告。根据存储位置,资源池分为本地策略池、私有云策略池和公有云资源池。用Matlab及Python编写的策略案例位于公有云策略池。更多策略案例详见[策略资源][5]。 界面右上角的<font color=red size=3>` 更多筛选 `</font>可选择筛选条件。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/16.png) 在公有云资源池下载策略,点击卡片右上方云符号,勾选<font color=red size=3>` 下载到本地 `</font>即可。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/17.png) ## 实时交易 在账户管理处添加BP模拟柜台的账户。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/23.png) 以Matlab为例,策略中用`AccountList(1) = {'账户名称'}`设定交易指定账户及用`traderRunRealTradeV2`此API设定实时模式入口。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/63.png) 以Python为例,策略中用`account_list = {'账户名称'}`设定交易指定账户及用`run_realtrade`此API设定实时模式入口。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/52.png) 运行策略,进行模拟实时交易。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/40.png) 对策略中选定的标的进行模拟下单,自定价格类型、买卖方向及数量,并设置止盈止损。可随时查看资金、持仓、委托单、成交单、止盈止损单情况。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/41.png) ## 云托管 实现云端、无人看守运行策略,满足对策略开发环境封闭要求。主要针对股票类型,即股票实盘交易需要云托管,期货交易可在实时交易处进行。 通过以下两种方式添加托管策略: 1.在<font color=red size=3>` 我的策略 `</font>中,点击策略卡片,实现策略托管。此方法既适用本地策略,同时适用私有云策略。 2.点击<font color=red size=3>` 云托管 `</font>中的<font color=red size=3>` 添加 `</font>可将私有云策略中的策略添加至云托管策略。此方法只适用私有云策略。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/53.png) 设置配置中的标的、刷新频率、策略参数及开始时间。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/54.png) 策略参数需与回测中策略函数所使用的参数的个数、参数值及顺序保持一致。例如:策略中参数为`{lags,freq,shareNum}`,参数值为`(180,30,1)`,则在此逐个添加这3个参数,如下图 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/55.png) 点击确定即可开始云托管。云托管根据策略自动下单,但可在界面右下方下单处人工干预下单。 界面右上方运行日志处可随时查看策略运行详情,若托管停止,可在此处查看错误。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/56.png) 若需要删除托管策略,首先要停止策略托管,然后在<font color=red size=3>` 云托管-已停止 `</font>页面中点击<font color=red size=3>` 删除托管 `</font>即可。 <font size=3 color=red>云托管只支持一个策略托管运行</font>。若需要添加托管运行策略,可联系后台申请。 ## 交割单分析功能 AT菜单栏中业绩分析,可通过导入交割单,一键生成业绩分析报告,可以快速对自己的交易风格和策略思路进行专业的评价和绩效分析。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/57.png) 点击<font color=red size=3>` 查看分析模板 `</font>,得到期货及股票的交割单格式模板。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/58.png) <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/59.png) 下载交割单模板文件进行填写,填写完成后点击<font color=red size=3>` 导入数据表 `</font>,选择文件存储位置,AT将自动对交割记录进行分析,得出交割单报告。 绩效展示了交割单情况,包括业绩走势,策略详情,交易资料,周期分析,策略分析和交易分析。点击下方<font color=red size=3>` 一键导出报告 `</font>将其导出。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/60.png) ## 行情窗口 目前支持期货和股票的真实交易,也支持手动下单干预,并内置灵活的点位、价格、百分比等止损、止盈或跟踪止损止盈的方法。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/20.png) 自选列表显示已添加的标的,点击可查看标的行情。若添加标的,可使用键盘精灵操作,即在界面处点击任意位置后输入股票代码或者股票名称首字母,在页面右下角弹出以下弹框: <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/61.png) 选中,可查看该标的行情。移动鼠标或者滚动鼠标滚轮即可查看更多行情。 页面右下角的下单面板,可以对当前行情处显示的标的,通过市价/限价/跟盘价的方式,在页面左边选择的账户中,进行买卖交易下单。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/21.png) ## 账户管理 ### 添加真实账户 ------ 1.申请开通账户:填写个人资料和联系方式,并提交申请,之后会有客服人员联系,添加实盘交易权限方可登录。此时该账户为真实账户,可直接进行实盘交易操作,提供账户持仓、成交记录、委托记录等信息。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/22.png) 2.添加账户: 申请开通账户成功后,需添加真实账户,设置账号名称。其中,资金账号为真实账户账号,账号名称为实时交易时策略入口的参数所用。选择期货公司,选择对应的实盘账户,并输入交易密码即可完成账户添加。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/62.png) ### 添加模拟账户 ------ 输入账户名称并确认添加。此时该账户为模拟账户,可模拟进行实盘交易操作,提供账户持仓、成交记录、委托记录等信息。可改变初始金额,上限为10000000000元。模拟账户数量上限为<font color=red size=3>` 5个 `</font>。若需要再添加模拟账户,可联系客服人员申请。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/23.png) 删除模拟账户:鼠标悬停在页面左列账户列表的账户上,点击删除按钮即可。 ### 托管账户 ------ AT在将策略云托管时,自动创建托管账户,删除云托管时,自动删除托管账户。云托管策略在对应托管账户交易下单,用户不可自行创建、重置、删除托管账户,但可以在行情窗口中选择此类账户手动交易下单。 # 因子分析 ## 单因子分析 为增强策略研究的方便性,AT内嵌了大量已经经过清洗的因子数据,因子数据每天更新,每个挂牌交易的股票,每个交易日都会有一个因子的数值,因子数据支持在策略结构直接使用。更多因子详见官网BP因子。 此处以Matlab为例进行因子回测,股票池为全A,回测中用<font color=red size=3>` Targets = '投资域简称' `</font>,可设定标的为指数或者行业,用<font color=red size=3>` traderCalcFactor `</font>此API设定因子回测入口。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/24.png) 此处以Python为例进行因子回测,股票池为全A,回测中用<font color=red size=3>` Targets = '投资域简称' `</font>,可设定标的为指数或者行业,用<font color=red size=3>` run_factor `</font>此API设定因子回测入口。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/64.png) 运行策略,进行因子分析。在AT上将显示如下界面,菜单栏为基于因子回测的因子详情、收益详情及各类分析情况。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/26.png) 界面右上角可进行回测参数设置。参数如标的、基准、调仓频率、分位组数、因子方向、衰减周期、组合构建、行业分类及信号的处理方式均可在回测参数设置处进行更改。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/27.png) <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/28.png) ## 因子检测 ### 组合收益 ------ 组合收益是根据因子的方向(正向或者反向,以正向为例),根据第一组的调仓周期,在回测时间段里形成的交易情况,作为最直接,最直观判断因子分组收益的参考指标之一。 <br> ![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/26.png) ### 因子收益 ------ 因子收益是了解当前分析因子的对于个股的收益的反馈方向是否长期稳定的重要指标 <br> ![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/68.png) 典型的股票多因子模型将 n 只股票的收益率分解为 m 个因子的线性组合和未被因子解释的残留部分,一般形式为: <br> ![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/65.png) 在AT因子分析流程中,只将股票收益分解为单个正在分析的因子,因此上式为: <br> ![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/66.png) 其中ri为个股收益率,xi为个股因子暴露也就是因子值。每一期都是截面数据的回归,得到回归系数f,也就是因子收益。 将本期个股截面的收益和上一期的因子进行回归,可以得到N-1期的因子收益ft。计算因子累计收益,公式如下: <br> ![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/67.png) 得到因子累计收益的曲线。 **当因子累计收益大于0**,说明过去N-1期的因子对个股收益的累积反馈是正向的。 **当因子的累计收益率小于0**,说明过去N-1期的因子对个股的收益的累积反馈是反向的。 可以通过曲线的变化,了解当前分析因子的对于个股的收益的反馈方向是否长期稳定。 ### 因子参数 ------ - **调仓频率:**规定多长时间对组合中的股票进行买入、卖出操作,目前支持的自定义X日、X周、X月和X季,X可由用户自定输入,需为正整数。 - **分位组数:**股票按所设定的组数进行划分,持仓为等权重,不可更改。分组数量最多支持10组。 - **因子方向:**方向分为正向和反向,正向时,市值因子值将从大到小排序,排在前面的是大市值股票;反向时,市值因子值将从小到大排序,排在前面的是小市值股票。 - **衰减周期:**信号衰减指的是一个因子产生后对未来多长时间的股票回报有预测能力。高换手率与其有关。不同的股票选择因子往往具有不同的衰减特征。越快的信号衰减往往需要更高的换手率去攫取收益。衰减周期最多支持<font color=red size=3>` 10期 `</font>。 - **行业分类:**支持申万1级及证监会1级。 - **信号处理:**因子数据处理包括去极值、中性化、标准化。 ### 数据处理 ------ 数据处理主要在因子检测前对因子数据进行处理,因子数据处理包括去极值、中性化、标准化。 - 去极值基于样本的局限性,如样本数有限或样本中存在小概率事件,若不进行极值处理,会对最终的分析造成误差和误判。 - 中性化可以用市值轮动模型进行替代,但若想找到稳定的Alpha因子,则市值中性化和行业中性化是必须的。 - 标准化的步骤是Z-Score标准化法,每个因子做完了去极值后,要消除各个因子之间的量纲影响,进行标准化。 在分析因子时,我们需要对异常值进行处理,标准化,目的是在进行多因子回归时,减少对回归结果的影响。 中性化是指对所选因子与风格因子进行回归处理,其残差即为新的因子值。这样做得目的是消除其 他风格因子,对所选因子得影响。如银行板块拥有较高的市值因子,其 PE 因子比较低的,这样当我们 进行分层计算时,低分位层可能一直选中银行股 ### 收益详情 ------ **收益详情包括收益分析及换手率分析。** 因子多空组合是把分组收益率进行多空配置后得到的收益率曲线:根据因子的方向(正向或者反向,以正向为例),多第一组空最后一组表现出来的组合收益曲线 因子组合主动收益是因子多空组合收益率减基准收益率后得到的收益率曲线:根据因子的方向(正向或者反向,以正向为例),第一组的收益率减基准的收益得出的收益曲线 在此项分析中,根据所输入的换仓周期,日,周,月。每个月对当天的因子进行分层操作,以收盘价买入,等权持有各层的股票直至下一个换仓日,以开盘价卖出,计算各组合的收益情况。分析周期结束后,如果所选因子时正向因子,当高分位层和低分位层的收益有较大的超额收益,说明此因子对未来收益有较好的解释性和预测性。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/29.png) 换手率分析是记录各个组合历史调仓时的换手率数据,并分组进行汇总统计,拖拽下方的进度条可详细查看相应时间内不同组别的换手率分析。 在进行多空组合计算时,计算每一组中每一期换仓的股票数量和上一期持有的股票数量相比,股票 数目的变化情况。如果输入的是正向因子,就展示最后一组,反向因子,则展示第一组。当手续费加入考虑时,换手率有助于初步了解该因子的交易成本。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/30.png) ### 因子分布情况 ------ **因子分布情况包括因子分布及因子行业分布。** 在对因子进行去极值,中性化,标准化之前,基于所选资产池画出每天因子分布的真实情况;此外,还对每个行业(根据所选分类标准)中该因子的 20%分位数,中位数,80%分位数进行展示,可以帮助 了解因子在资产池中总的分布和各行业中的分布情况,对该因子有一个初步的认识。 不呈正态分布的特殊数值有研究意义,表明因子存在部分异常值,需要对数据进行处理才能进行更深层次的分析。拉动下方进度条或者选定日期可查看该日期因子分布情况。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/31.png) 按行业类别,对同一个行业内的股票按因子值从大到小进行分组,每个调仓日重新分组,统计整个投资期间各个分组的收益率。行业分类可按申万1级或证监会1级划分。拉动下方进度条或者选定日期可查看该日期因子行业分布情况。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/32.png) ### 相关性分析 ------ 此项分析是描述所选因子,和其他风格因子的相关性。这里的风格因子,是 Barra 模型中 10 个风格因子,分别是:规模因子,Beta 因子,动量因子,残差波动率,非线性规模因子,BP 因子,流动性 因子,收益因子,成长因子和杠杆因子。 相关性检验的原假设是:变量不相关,因此,当相关性显著的时候,即拒绝原假设,两组变量是相关的。 具体的情况有相关性显著为正,说明所选因子和此因子存在正相关性即图中的红色;相关性不显著,说明所选因子和此因子不相关,即图中的黄色;相关性显著为负,说明所选因子和此因子存在负相关性, 即图中的蓝色。 相关性分析需要Barra风险模型数据,主要供证券的风险预测与业绩归因所用。风险模型需要对股票收益建立因子模型,对组合过去历史的收益来源进行归因,依据统计方法和经验对股票未来风险形成推断与预测。风险模型使用标准差来度量风险,且统计特征清晰,随时间变化稳定。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/33.png) ### 预测能力分析 ------ **预测能力分析包括IC值、行业IR值及IC衰退情况。** 根据设置的周期,会在每个周期计算一个整体的 IC 值。IC 值是指第 t 期的因子和第 t+1 期标的收益 率的相关系数,关注的是因子对下一期收益的预测能力。如果因子为正向因子,IC 指越高说明因子对未来标的收益率的预测能力越高。 对因子进行IC检测,每个调仓频率都有对应的IC值。通过各期的 IC 值,判断出因子的延续性。比如下图中,蓝色代表 IC 值为负数,红色代表 IC 值为正数。 IC 值总是在x轴上下波动,则说明该因子的延续性很差。拉动下方进度条可查看该时间段 IC 值变化情况。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/34.png) 根据调仓周期参数可以获得每个行业的 IC 序列,根据此 IC 序列可以算得各个行业的 IR 值。因子 IR 值衡量的是因子预测能力的平稳性,因子 IR 高说明此因子的预测能力随着期数变化没有明 显变化。注意,因子 IR 和 策略 IR 的计算不同,策略 IR=超出指数收益/超出指数收益的波动率。策略 IR 衡量的是超额收益的稳定性。 因子 IR 和策略 IR 虽然意义不同, 但是高度相关,存在具体的数学推 导。 IR= IC的多频率均值/IC的标准方差,代表因子获取稳定Alpha的能力。整个回测时段由多个调仓频率组成,每个时间段都会计算出不同的IC值, IR等于多个调仓频率的IC均值除以这些IC的标准方差。所以IR兼顾了因子的选股能力和因子选股能力的稳定性。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/35.png) 根据输入的衰退期数,IC 衰退是指第 t 期的因子和第 t+1,t+2,t+3,t+4 期标的收益率的相关系数,关注的是因子的预测能力的持续性。一般来说,如果因子为正向因子,因子的 IC 值,随着期数增加呈递减趋势。 每个柱形代表所测时期滞后前1-5个时期的相关系数。 <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/36.png) ### 调仓情况 ------ <br>![](https://bpstoragenormal.blob.core.chinacloudapi.cn/digquant/forum/201903/37.png) ## 多因子分析 因子检测提供因子分析工具,帮助用户检测因子与证券收益的相关性,因子库提供实时监控功能,用户可查看因子有效性及用户自定义因子有效性,因子策略用于验证所选因子在模拟回测中的收益是否真能实现超额收益。整个因子分析的过程就是多因子研究。 [1]: https://www.digquant.com.cn/at.php "https://www.digquant.com.cn/at.php" [2]: https://www.digquant.com.cn/documents "数据字典" [3]: https://www.digquant.com.cn/documents/1 "MatlabAPI 说明" [4]: https://www.digquant.com.cn/documents/17 "PythonAPI 说明" [5]: https://www.digquant.com.cn/documents/3 "策略资源" [6]: https://www.digquant.com.cn/documents/1#h2--matlab--115 "Matlab获取" [7]: https://www.digquant.com.cn/documents/17#h3-u83B7u53D6u56DEu6D4Bu5B8Cu7684u7B56u7565u4E1Au7EE9u62A5u544A-100 "Python获取"
contact@digquant.com.cn

联系

邮箱

0755-8695-2080

联系

电话

关注

微信

关注

QQ

回到

顶部