报告摘要:Alphalens是一款Python 的工具包,是 Quantopian 公司旗下三大开源包之一,另外两个分别是Zipline 和Pyfolio。Alphalens 因其简单易用而又稳定科学的优势被广泛的量化分析师所青睐。本文主要介绍Alphalens 的回测框架,提纲挈领地介绍了其中四个功能:因子收益、因子IC、因子换手以及事件研究。    在进行Alphalens 的使用之前,需要先对先对数据进行清洗。事前需要准备好因子数据、价格数据和行业分组数据。其中因子数据需要处理成Dataframe 格式,且其索引必须是二维日期和股票;价格数据是列为时间,行为股票的Dataframe;行业数据可有可无,若有则可以设置成Dict 格式或者Series 格式。然后通过Alphalens 的get_clean_factor_and_forward_returns 函数对原始数据进行清洗,清洗之后返回股票、未来收益率和行业分类的因子数据factor_data,然后调用create_full_tear_sheet 进行回测。    因子收益部分包括了因子分组超额收益分布直方图和琴型图、因子的累计收益曲线、超额收益曲线、因子加权收益、因子收益分布琴型图,因子spread 等结果。    因子IC 部分包括了因子IC 表、因子IC 时间序列、因子IC 分布图和QQ 图、因子IC 热力图等结果。    因子换手部分包括了因子分组平均换手率、因子换手率时间序列及因子排序自相关性等结果。    事件研究部分包括了因子分组平均超额收益随时间的关系及每组超额收益随时间的分布特征等。    Alphalens 只是在进行因子简单回测的第一步,其优点在于可以批量的测试每个因子的性能,极大的拓宽了投资者的思路而不用担心回测结果的正确性和稳定性。但是Alphalens 也有其不足之处,它仍然只是一个理想状态的回测,真实的回测环境还要考虑手续费,涨停买入和跌停卖出等限制。但瑕不掩瑜,投资者可以修改代码以完善相应功能。

声明：如本站内容不慎侵犯了您的权益，请联系邮箱：wangshiyuan@epins.cn 我们将迅速删除。