量化投研 | 算因子和找因子这么繁琐，为什么有人能乐在其中
source link: https://zhuanlan.zhihu.com/p/366633523
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
量化投研 | 算因子和找因子这么繁琐，为什么有人能乐在其中
构建投资组合后，了解投资组合的风险暴露程度也是投资研究中的重要一环。为了进行风险敞口管理，研究员阿Q针对模型的风险预测和配置优化等方面阅读了大量资料。
经过争分夺秒专心致志废寝忘食聚精会神孜孜不倦全神贯注夜以继日的学习，阿Q终于掌握了多因子模型方法论。
直到前几天他发现，投资组合的风险因子数据通过 API 就能直接获取。因子数据封装成便捷的 API 接口，盘前调用，这样开盘前就可以发出依赖于这些因子的策略的自动计算表和市场分析。这样一来，他根本不需要去进行复杂的计算。
风险模型 RQBeta 数据说明那些苦学的知识可不能浪费，本着严谨的态度，阿Q查看了米筐多因子风险模型白皮书，将其与传统风险因子模型做了对比，发现米筐多因子风险模型做了一些更贴合中国市场的处理：
- 采用国内最常用的申万一级行业分类，区别于传统风险因子模型的行业分类；
- 剔除新股上市和 ST 股 的影响。
小试牛刀。
# 获取单一股票的因子暴露度
In [24]: get_factor_exposure('600705.XSHG','20170302','20170307',factors=None,industry_mapping=True )
Out[24]:
beta book_to_price earnings_yield growth leverage liquidity momentum ... 计算机 传媒 通信 银行 非银金融 汽车 机械设备
date order_book_id ...
2017-03-02 600705.XSHG 0.016228 0.934170 1.312494 -1.921347 2.281314 -0.294176 -0.761677 ... 0 0 0 0 1 0 0
2017-03-03 600705.XSHG 0.012569 0.941097 1.311907 -1.921891 2.284648 -0.323958 -0.703353 ... 0 0 0 0 1 0 0
2017-03-06 600705.XSHG -0.039251 0.940439 1.331196 -1.921235 2.288888 -0.354129 -0.734056 ... 0 0 0 0 1 0 0
2017-03-07 600705.XSHG -0.002034 0.999407 1.324696 -2.029156 2.383384 -0.307625 -0.783239 ... 0 0 0 0 1 0 0# 获取全部因子的因子收益率
In [14]: get_factor_return('20170302','20170307',factors=None,universe='whole_market',industry_mapping=True)
Out[14]:
factor beta book_to_price comovement earnings_yield ... 钢铁 银行 非银金融 食品饮料
date ...
2017-03-02 -0.000999 -0.003119 -0.005100 -0.000028 ... 0.004589 0.005992 0.003401 0.001025
2017-03-03 0.001148 -0.001882 -0.001399 0.001711 ... -0.007802 -0.006164 -0.003639 0.002736
2017-03-06 0.002715 -0.001411 0.009049 0.000989 ... 0.002477 -0.001238 0.000835 -0.000738
2017-03-07 -0.000044 -0.001271 0.002943 0.000510 ... -0.004741 0.006657 0.000605 0.009588阿Q通过 RQBeta风险模型产品获取风险因子数据，得以快速掌握投资组合风险暴露程度并输出归因报告。同时，他将所调取的风险因子数据通过产品内置的组合优化器实现投资组合的最优解，投研效率又高一层。
有人跟着市场走，专注于计算 beta 因子；有人则期望获取独立于市场走势的稳健收益，忙着找 alpha 因子。
阿Q的同事阿P关注 alpha 收益，关注市场中性策略，希望自己的投资组合能够获得纯粹的 alpha 收益。
想要获得 alpha 收益，在对冲掉市场风险后，选择什么样的股票就显得格外重要。一般来说，选股应该有某些指标或者偏好，在某种情况下这些也是可以经过计算机挑选出来，这就是常说的因子选股。
那好因子从哪里来呢？阿P从《量化因子投研 | 从因子编写到有效性检验》中了解了如何编写及验证因子有效性。
阿P借助因子挖掘工具 RQFactor中现有的因子计算引擎和因子检验方法，编写、计算复杂因子并检验其有效性，将开发完成的因子在实际策略中验证因子表现，有效提高了alpha 因子开发效率。
算因子和找因子很繁琐，找对了方法用对了工具就能很快乐。针对不同的风险和收益偏好，米筐提供了不同的投研工具以契合投资者的不同投资风格：
- RQBeta 风险模型 - 契合市场情况的风险测量和控制工具
- RQFactor 因子挖掘 - 灵活可靠的 alpha 因子投研框架
米筐将 RQData 金融数据、RQFactor 因子挖掘、RQAlpha Plus 回测引擎、RQBeta风险模型打包成米筐本地量化投研套件 RQSDK，方便投资者进行全流程量化投研。
- 了解如何编写因子和检验因子；
- 获取 RQSDK 试用账户，了解更详细的米筐多因子风险模型白皮书，调取风险因子数据，或挖掘 alpha 因子。
投资行为的盈亏依赖于您的独立思考和决策，本文所述观点并不构成投资或任何其他建议，Ricequant 不提供或推荐任何投资品种。股市有风险，投资需谨慎。
原创文章除特别声明外，欢迎非商业转载，敬请注明出处。
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK