alphalens教程1--整理好你的資料
阿新 • • 發佈：2019-01-04
很久以前研究過這個，週末下大雨，整理一下子IDE裡面的工程檔案，發現了當時的測試demo，於是決定再來感受一下。
alphalens是quantopian下的三大quant利器這裡，剩下兩個是大名鼎鼎的zipline和pyfolio。alphalens是用於因子回測的，使用很方便，但是，最大的一個特點就是，函式的名稱真是長啊！
安裝就不說了，似乎pip就可以了。
萬事開頭難，中間也難，結尾更難。很多事確實是這樣。
alphalens第一個難點就是把要測試的因子相關的資料整理成alphalens需要的那樣。我們從alphalens的一個數據標準化函式說起。alphalens.get_clean_factor_and_forward_returns 
prices : pd.DataFrame 通常是一個列數很多的dataframe的資料結構，如下圖所示，列名是股票程式碼，index是日期。
groupby : pd.Series - MultiIndex or dict groupby是一個MultiIndex 的series或者一個dict，通常用dict更加直觀，而且這兩者也是可以相互轉換的。dict的key是股票的程式碼，值是所屬行業的分類名詞，不一定是數字也可以是別的。 
還有一點，如果傳入的是dict則預設測試周期中，行業的屬性不變，如果使用Series則可以改變。 by_group : bool 如果是True，那麼就按行業分類計算. quantiles : int or sequence[float] 因子分層的設定，可以直接設定一個整數，把標的池均分成幾個等分，也可以用一個列表，用來分不同的分層比例，例如 [0, .10, .5, .90, 1.] or [.05, .5, .95] bins : int or sequence[float] 與quantiles一樣，用於分層設定，不過是value策略。所以，兩者直接只能選一個，另外一個必須設定為None periods : sequence[int] 調倉週期設定 filter_zscore : int or float 設定收益率異常值的閾值為多少倍標準差 groupby_labels : dict 與groupby相互聯絡，例如之前是按照行業分類，而每個行業用數字表示，這裡則可以在把數字對映到具體的行業。
所以，我們需要準備好上面這些輸入的資料。 最後，我們來看一下這個函式的返回值。 返回值是pd.DataFrame - MultiIndex，包含每個調倉週期的收益率，因子值，所屬group（這裡是行業），以及分層的次序。
如果，我們整好資料，然後使用了這個函式獲得返回值，那麼，技術性難題已經解決了80%了。
我們來解釋一下引數： factor : pd.Series - MultiIndex 一個MultiIndex Series型別的資料，index分別是日期與資產名稱，值是當天的alpha值。def get_clean_factor_and_forward_returns(factor, prices, groupby=None, by_group=False, quantiles=5, bins=None, periods=(1, 5, 10), filter_zscore=20, groupby_labels=None):
prices : pd.DataFrame 通常是一個列數很多的dataframe的資料結構，如下圖所示，列名是股票程式碼，index是日期。
groupby : pd.Series - MultiIndex or dict groupby是一個MultiIndex 的series或者一個dict，通常用dict更加直觀，而且這兩者也是可以相互轉換的。dict的key是股票的程式碼，值是所屬行業的分類名詞，不一定是數字也可以是別的。
還有一點，如果傳入的是dict則預設測試周期中，行業的屬性不變，如果使用Series則可以改變。 by_group : bool 如果是True，那麼就按行業分類計算. quantiles : int or sequence[float] 因子分層的設定，可以直接設定一個整數，把標的池均分成幾個等分，也可以用一個列表，用來分不同的分層比例，例如 [0, .10, .5, .90, 1.] or [.05, .5, .95] bins : int or sequence[float] 與quantiles一樣，用於分層設定，不過是value策略。所以，兩者直接只能選一個，另外一個必須設定為None periods : sequence[int] 調倉週期設定 filter_zscore : int or float 設定收益率異常值的閾值為多少倍標準差 groupby_labels : dict 與groupby相互聯絡，例如之前是按照行業分類，而每個行業用數字表示，這裡則可以在把數字對映到具體的行業。
所以，我們需要準備好上面這些輸入的資料。 最後，我們來看一下這個函式的返回值。 返回值是pd.DataFrame - MultiIndex，包含每個調倉週期的收益率，因子值，所屬group（這裡是行業），以及分層的次序。
如果，我們整好資料，然後使用了這個函式獲得返回值，那麼，技術性難題已經解決了80%了。