def __init__(
self,
factor: Union[pd.Series,
pd.DataFrame],
prices: Union[pd.Series,
pd.DataFrame,
Callable],
groupby: Union[pd.Series,
pd.DataFrame,
Callable],
stock_start_date: Union[pd.Series,
pd.DataFrame,
Callable],
weights: Union[float,
pd.Series,
pd.DataFrame,
Callable] = 1.0,
frequence: str = "DAY",
quantiles: Union[int,
Tuple[float],
List[float]] = 5,
bins: Union[int,
Tuple[float],
List[float]] = None,
periods: Union[int,
Tuple[int],
List[int]] = (1,
5,
10),
binning_by_group: bool = False,
max_loss: float = 0.25,
zero_aware: bool = False,
):
"""
初始化输入
说明：
- quantiles 与 bins 只能有一个为非空
"""
self.factor = preprocess.QA_fmt_factor(factor)
self.prices = prices
self.groupby = groupby
self.stock_start_date = stock_start_date
self.weights = weights
self.frequence = utils.get_frequence(frequence)
self.quantiles = quantiles
self.bins = bins
if isinstance(periods, int):
periods = (periods,)
self.periods = periods
self.binning_by_group = binning_by_group
self.max_loss = max_loss
self.zero_aware = zero_aware
# 因子加工与添加因子远期收益
self.__gen_clean_factor_and_forward_returns()
end=end_date).to_qfq().data
# 原始因子产生
kdj = stock_data.groupby("code").apply(
QA.QAIndicator.QA_indicator_KDJ).droplevel(level=-1)
k_value = kdj["KDJ_K"]
d_value = kdj["KDJ_D"]
j_value = kdj["KDJ_J"]
# 原始因子处理
# 1. 测试 J 值
factor = d_value
# 因子格式化:
# - 修改因子索引 level 为先日期，后股票代码
# - 修改因子索引名称为 ['datetime', 'code']
factor = preprocess.QA_fmt_factor(factor)
# 上市日期过滤：这里使用了聚宽的数据源，需要提前导入聚宽本地数据源
# QA_fetch_get_factor_start_date 做了两件事
# 1. 因子格式化
# 2. 对因子股票池附加上市日期
factor_data = preprocess.QA_fetch_get_factor_start_date(factor)
factor_data = factor_data.reset_index()
factor_data = factor_data.loc[(factor_data.datetime - factor_data.start_date
) > pd.Timedelta("200D")].set_index(
["datetime", "code"])
factor = factor_data['factor']
# 极值处理，默认使用 "MAD"
# QA_winsorize_factor 默认使用 “MAD” 极值处理方式, 按日期分组进行极值处理
factor = preprocess.QA_winsorize_factor(factor)
def __init__(
self,
factor: Union[pd.Series,
pd.DataFrame],
prices: Union[pd.Series,
pd.DataFrame,
Callable],
groupby: Union[pd.Series,
pd.DataFrame,
Callable],
stock_start_date: Union[pd.Series,
pd.DataFrame,
Callable],
weights: Union[float,
pd.Series,
pd.DataFrame,
Callable] = 1.0,
frequence: str = "DAY",
quantiles: Union[int,
Tuple[float],
List[float]] = 5,
bins: Union[int,
Tuple[float],
List[float]] = None,
periods: Union[int,
Tuple[int],
List[int]] = (1,
5,
10),
binning_by_group: bool = False,
max_loss: float = 0.25,
zero_aware: bool = False,
):
"""
初始化输入
参数
---
:param factor: 即经过我们处理过的单因子数据
:param prices: 价格数据
:param groupby: 行业数据
:param stock_start_date: 上市时间
:param weights: 因子加权数据
:param frequence: 因子频率，如果是季线，相应的为 `1q`, 日线，则为 `1d` 等
:param quantiles: 分位处理，既可以是 int 值，将因子等分，也可以是 0 到 1 之间的非等分区间
:param bins: 分位处理，与 `quantiles` 只能有一个为非空
:param periods: 用于计算因子远期收益的期数
:param binning_by_group: 是否按照行业分别进行分位处理
:param max_loss: 在单因子处理时，能够忍受的最大的因子损失 (丢弃的 NaN 值比例)
:param zero_aware: 是否按照因子正负值分别进行分位处理
说明：
- quantiles 与 bins 只能有一个为非空
"""
self.factor = preprocess.QA_fmt_factor(factor)
self.prices = prices
self.groupby = groupby
self.stock_start_date = stock_start_date
self.weights = weights
self.frequence = utils.get_frequence(frequence)
self.quantiles = quantiles
self.bins = bins
if isinstance(periods, int):
periods = (periods,)
self.periods = periods
self.binning_by_group = binning_by_group
self.max_loss = max_loss
self.zero_aware = zero_aware
# 因子加工与添加因子远期收益
self.__gen_clean_factor_and_forward_returns()
def get_clean_factor_and_forward_returns(
factor: Union[pd.Series, pd.DataFrame],
prices: Union[pd.Series, pd.DataFrame],
groupby: Union[dict, pd.Series, pd.DataFrame],
stock_start_date: Union[dict, pd.Series, pd.DataFrame],
weights: Union[dict, pd.Series, pd.DataFrame],
binning_by_group: bool = False,
quantiles: Union[int, Tuple[float], List[float]] = 5,
bins: Union[int, Tuple[float], List[float]] = None,
periods: Union[int, Tuple[int], List[int]] = (1, 5, 15),
max_loss: float = 0.25,
zero_aware: bool = False,
frequence: str = "1D",
) -> pd.DataFrame:
"""
根据输入的因子数据，价格数据，分组数据，加权数据，分位数据等，进行因子数据合成
1. 输入的因子数据如果为:
- pd.Series, 则索引应该为 ['日期' '资产'] 的 MultiIndex, 数据为因子的值
- pd.DataFrame, 则索引应该为 ['日期'], 列索引为 ['资产'] 的因子数据透视表
2. 输入的价格数据如果为:
- pd.Series, 则索引应该为 ['日期', '资产'] 的 MultiIndex, 数据为价格数据
- pd.DataFrame, 则索引应该为 ['日期'], 列索引为 ['资产'] 的价格透视表
3. 输入的分组信息如果为:
- dict, key 应该对应 '资产', value 对应 '行业名称' 或 '行业代码',
默认在所有日期采用同一套数据
- pd.Series, 索引为 ['日期', '资产'] 的 MultiIndex, 数据为行业信息
- pd.DataFrame, 索引为 ['日期'], 列索引为 ['资产'] 的行业信息透视表
4. 输入的权重信息如果为：
- dict, key 应该对应 '资产', value 对应加权数据,
默认在所有日期采用同一套数据
- pd.Series, 索引为 ['日期', '资产'] 的 MultiIndex, 数据为加权数据
- pd.DataFrame, 索引为 ['日期'], 列索引为 ['资产'] 的加权数据透视表
参数
---
:param factor: 因子数据，仅包含因子自身值
:param prices: 价格数据，应只含有一种类型价格数据，譬如 'close' 或者 'open'
:param groupby: 分组数据, 一般为行业分组
:param stock_start_date: 上市时间
:param weights: 加权数据，一般为市值加权
:param binning_by_group: 是否按照分组进行分位处理
:param quantiles: 分位数据，如果是 int 类型，将因子数据按照每个分组等间隔分位，
否则按照 quantiles 提供的分位数据进行分位, 对应 pd.qcut
:param bins: 分位数据，如果是 int 类型，将因子数据按照每个分组等间隔分位，
否则按照 bins 提供的分位数据进行分位，对应 pd.cut
:param periods: 远期收益对应的期数
:param max_loss: 因子计算，如果丢弃的因子数据超过该值，抛出异常
:param zero_aware: 如果因子有正负，是否按照正负区间分别进行分位处理
返回值
---
:return: 因子数据，包括因子值，因子远期收益，分位区间，分组，权重
"""
# 1. 统一格式
factor = preprocess.QA_fmt_factor(factor)
factor = factor.unstack(level="code")
if isinstance(prices, pd.Series):
prices = prices.unstack(level="code")
if isinstance(periods, int):
periods = (periods, )
# 2. 获取因子远期收益
forward_returns = get_forward_returns(factor, prices, periods, frequence)
# 3. 格式化因子数据
factor_data = get_clean_factor(
factor=factor,
forward_returns=forward_returns,
groupby=groupby,
stock_start_date=stock_start_date,
weights=weights,
quantiles=quantiles,
bins=bins,
binning_by_group=binning_by_group,
max_loss=max_loss,
zero_aware=zero_aware,
)
return factor_data