analysis

介绍

单因子多维度分析.从因子ic,因子收益,选股潜在收益空间三个维度给出因子评价.新增模块

ic_stats

• jaqs_fxdayu.research.signaldigger.analysis.ic_stats(signal_data)

简要描述：

• 因子ic分析表
• 对事件因子(数值为0/1/-1的因子)无法使用该方法

参数:

字段	必选	类型	说明
signal_data	是	pandas.DataFrame	trade_date+symbol为MultiIndex,columns为signal(因子)、return(持有期相对/绝对收益,必须)、upside_ret(持有期潜在最大上涨收益,非必须)、downside_ret(持有期潜在最大下跌收益,非必须)、group(分组/行业分类,非必须)、quantile(按因子值分组,非必须)

返回: 因子ic分析表 * 列: * return_ic/upside_ret_ic/downside_ret_ic * 持有期收益的ic/持有期最大向上空间的ic/持有期最大向下空间的ic

• 行:
• "IC Mean", "IC Std.", "t-stat(IC)", "p-value(IC)", "IC Skew", "IC Kurtosis", "Ann. IR"
• IC均值，IC标准差，IC的t统计量，对IC做0均值假设检验的p-value，IC偏度，IC峰度，iC的年化信息比率-mean/std

示例：

import warnings
warnings.filterwarnings('ignore')

from jaqs_fxdayu.data import DataView
from jaqs_fxdayu.research import SignalDigger

# 加载dataview数据集
dv = DataView()
dataview_folder = './data'
dv.load_dataview(dataview_folder)

# 计算signal_data(通过jaqs.research.signaldigger.digger.SignalDigger.process_signal_before_analysis(*args, **kwargs))
sd = SignalDigger()
sd.process_signal_before_analysis(signal=dv.get_ts("pe"),
                                  price=dv.get_ts("close_adj"),
                                  high=dv.get_ts("high_adj"),
                                  low=dv.get_ts("low_adj"),
                                  group=dv.get_ts("sw1"),
                                  n_quantiles=5,
                                  period=5,
                                  benchmark_price=dv.data_benchmark,
                                  )
signal_data = sd.signal_data
signal_data.head()

Dataview loaded successfully.
Nan Data Count (should be zero) : 0;  Percentage of effective data: 99%

from jaqs_fxdayu.research.signaldigger.analysis import ic_stats

ic_stats(signal_data)

return_stats

• jaqs_fxdayu.research.signaldigger.analysis.return_stats(signal_data,is_event,period)

简要描述：

• 因子收益分析表--根据因子构建几种投资组合，通过组合表现分析因子的收益能力

参数:

字段	必选	类型	说明
signal_data	是	pandas.DataFrame	trade_date+symbol为MultiIndex,columns为signal(因子)、return(持有期相对/绝对收益,必须)、upside_ret(持有期潜在最大上涨收益,非必须)、downside_ret(持有期潜在最大下跌收益,非必须)、group(分组/行业分类,非必须)、quantile(按因子值分组,非必须)
is_event	是	bool	是否是事件因子(数值为0/1/-1的因子)
period	是	int	换仓周期(天数),注意:必须与signal_data中收益的计算周期一致

返回:

收益分析表 * 列: * long_ret/short_ret/long_short_ret/top_quantile_ret/bottom_quantile_ret/tmb_ret/all_sample_ret * 多头组合收益/空头组合收益/多空组合收益/因子值最大组合收益/因子值最小组合收益/因子值最大组（构建多头）+因子值最小组（构建空头）收益/全样本（无论信号大小和方向）-基准组合收益

• 行:
• 't-stat', "p-value", "skewness", "kurtosis", "Ann. Ret", "Ann. Vol", "Ann. IR", "occurance"
• 持有期收益的t统计量，对持有期收益做0均值假设检验的p-value，偏度，峰度，持有期收益年化值，年化波动率，年化信息比率-年化收益/年化波动率，样本数量

示例：

from jaqs_fxdayu.research.signaldigger.analysis import return_stats

return_stats(signal_data,is_event=False,period=5)

space_stats

• jaqs_fxdayu.research.signaldigger.analysis.space_stats(signal_data,is_event)

简要描述：

• 因子潜在收益空间分析表--根据因子构建几种投资组合，通过组合在换仓周期内可能达到潜在最大上涨空间、潜在最大下跌空间来分析该因子选股收益的提升潜力，用于进一步辅助设计择时方案

参数:

字段	必选	类型	说明
signal_data	是	pandas.DataFrame	trade_date+symbol为MultiIndex,columns为signal(因子)、return(持有期相对/绝对收益,必须)、upside_ret(持有期潜在最大上涨收益,非必须)、downside_ret(持有期潜在最大下跌收益,非必须)、group(分组/行业分类,非必须)、quantile(按因子值分组,非必须)
is_event	是	bool	是否是事件因子(数值为0/1/-1的因子)

返回:

因子潜在收益空间分析表 * 列: * long_space/short_space/long_short_space/top_quantile_space/bottom_quantile_space/tmb_space/all_sample_space * 多头组合空间/空头组合空间/多空组合空间/因子值最大组合空间/因子值最小组合空间/因子值最大组（构建多头）+因子值最小组（构建空头）空间/全样本（无论信号大小和方向）-基准组合空间

• 行:
• 'Up_sp Mean','Up_sp Std','Up_sp IR','Up_sp Pct5', 'Up_sp Pct25 ','Up_sp Pct50 ', 'Up_sp Pct75','Up_sp Pct95','Up_sp Occur','Down_sp Mean','Down_sp Std', 'Down_sp IR', 'Down_sp Pct5','Down_sp Pct25 ','Down_sp Pct50 ','Down_sp Pct75', 'Down_sp Pct95','Down_sp Occur'
• 组合持有个股的上行空间均值，上行空间标准差，上行空间信息比率-均值/标准差，上行空间5%分位数,..25%分位数，..中位数，..75%分位数,..95%分位数，上行空间样本数，下行空间...(同上行空间)

示例：

from jaqs_fxdayu.research.signaldigger.analysis import space_stats

space_stats(signal_data,is_event=False)

analysis

• jaqs_fxdayu.research.signaldigger.analysis.analysis(signal_data,is_event,period)

简要描述：

• 同时获得因子ic分析表、收益分析表、潜在收益空间分析表——单独计算三张表的方法见上述api

参数:

字段	必选	类型	说明
signal_data	是	pandas.DataFrame	trade_date+symbol为MultiIndex,columns为signal(因子)、return(持有期相对/绝对收益,必须)、upside_ret(持有期潜在最大上涨收益,非必须)、downside_ret(持有期潜在最大下跌收益,非必须)、group(分组/行业分类,非必须)、quantile(按因子值分组,非必须)
is_event	是	bool	是否是事件因子(数值为0/1/-1的因子)
period	是	int	换仓周期(天数),注意:必须与signal_data中收益的计算周期一致

返回:

由因子ic分析表、收益分析表、潜在收益空间分析表组成的字典(dict)

示例：

from jaqs_fxdayu.research.signaldigger.analysis import analysis

result = analysis(signal_data,is_event=False,period=5)
print(result.keys())
result["ic"]

dict_keys(['ic', 'ret', 'space'])