【量化】4天学会python机器学习与量化交易-笔记4(p21~p25)

Badia ·

更新时间:2024-09-21

· 614 次阅读

文章目录p21 因子数据的标准化处理p22 市值中心化处理介绍p23 案例：市值中性化实现以及回测选股结果p24 市值中心化结果总结分析p25 总结

平台：https://www.ricequant.com/quant
api1：https://www.ricequant.com/doc/rqdata-institutional#research-API-get_fundamentals
api2：https://www.ricequant.com/doc/api/python/chn#wizard-stock
rice quant ipynb

p21 因子数据的标准化处理

视频：https://www.bilibili.com/video/av55456917?p=21

# 2，标准化处理
from sklearn.preprocessing import StandardScaler
std = StandardScaler()
std.fit_transform(fund['pe_ratio_3md'])
# (我的为什么报错。。)

def stand(factor):
    '''自实现标准化'''
    mean = factor.mean()
    std = factor.std()
    return (factor - mean)/std
fund['pe_ratio_stand'] = stand(fund['pe_ratio_3md'])
fund

结果：
在这里插入图片描述

p22 市值中心化处理介绍

视频：https://www.bilibili.com/video/av55456917?p=22

1，市值中心化处理

防止得到的股票比较集中。（原因：默认大部分因子都包含了市值的影响。）去除其他的因子存在的市值的影响。
2，回归法进行去除建立某因子跟市值之间的一个回归方程，得出系数最终预测的结果与因子之间的差值就是不受影响的那部分 p23 案例：市值中性化实现以及回测选股结果

视频：https://www.bilibili.com/video/av55456917?p=23

# 1，获取数据
q = query(fundamentals.eod_derivative_indicator.pb_ratio,
         fundamentals.eod_derivative_indicator.market_cap)
fund = get_fundamentals(q, entry_date='2018-01-03')[:, '2018-01-03', :]
#fund[:3]
# 2，对因子数据进行处理，默认使用3倍中位数
fund['pb_ratio'] = mad(fund['pb_ratio'])
fund['market_cap'] = mad(fund['market_cap'])
# 对于市值因子可以选择处理
# 3,确定建立h回归方程特征值和目标值
# 传入特征值需要二维
x = fund['market_cap'].values.reshape(-1,1) # 注意加上.values
y = fund['pb_ratio']
# 4，利用线性回归预测
from sklearn.linear_model import LinearRegression
lr = LinearRegression()
lr.fit(x, y)
print(lr.coef_, lr.intercept_)
# 5，得出每个预测值，让因子的真实值-预测值，得出的误差就是我们中性化处理之后的结果
y_predict = lr.predict(x)
res = y - y_predict
fund['pb_ratio'] = res

1，中心化处理：

原因：防止回测时选股集中原理：建立回归关系

2，市值中心化选股对比

市值中心化处理：定期的分散到不同的股票没有市值中心化处理：选股比较集中 p24 市值中心化结果总结分析

视频：https://www.bilibili.com/video/av55456917?p=24

p25 总结

完整代码：

from sklearn.linear_model import LinearRegression
def init(context):
    scheduler.run_monthly(get_data, tradingday=1)
def get_data(context, bar_dict):
    # 查询两个因子的数据结果
    fund = get_fundamentals(
            query(fundamentals.eod_derivative_indicator.pb_ratio,
                fundamentals.eod_derivative_indicator.market_cap))
    context.fund = fund.T
    # 进行因子数据的处理，去极值、标准化、市值中心化
    treat_data(context)
    # 利用市净率进行选股（市净率小的好）
    # 选出20%的分位数，把小于它的股票保存下来
    context.stock_list = context.fund['pb_ratio'][context.fund['pb_ratio'] up, up, factor)
    factor = np.where(factor<down, down, factor)
    return factor
def stand(factor):
    '''自实现标准化'''
    mean = factor.mean()
    std = factor.std()
    return (factor - mean)/std

未完待续

作者：机智翔学长

p2 量化交易学习 python机器学习 Python

1024 个赞