| layout | default |
|---|
- 找到rankic大于0.025的因子
- 将目前的挖掘因子方法模块化，方便复用
- 收益率方差(5min,10min,15min,20min): std_rtn_vwap + [5,10,15,20]
- 成交额的平均值(5min,10min,15min,20min): volume_avg_amt + [5,10,15,20]
- 成交额的标准差(5min,10min,15min,20min): std_volume_amt + [5,10,15,20]
| 因子名 | overall rankic |
|---|---|
| avg_AMT_15 | -0.015124 |
| std_rtn_vwap_10 | -0.015216 |
| sign_log_rtn_vwap_AMT | -0.015413 |
| avg_AMT_10 | -0.015737 |
| std_AMT_5 | -0.015847 |
| avg_AMT_5 | -0.015944 |
| std_AMT_20 | -0.016554 |
| std_AMT_15 | -0.017210 |
| std_rtn_vwap_5 | -0.017346 |
| std_AMT_10 | -0.017719 |
| 同时做出cum_icir图，发现sign_log_rtn_vwap_AMT的cum_icir是单调递减的，overall rankic>0.015，而其他因子存在波动。 |
使用这个库：https://github.higgsasset.com/Shannon/shannon_kbar_factor
- 不同种类的票，它们的volume和amount的分布是不同的，不能直接比较。 常见的处理方式是对于vol变化为vol/sharefloat，即计算成交量/流通股本的比率，换手率；同理对于amt有类似变化。
- 由于预测的y为10min后的vwap的收益率，在金融中收益率一般是一个0均值的随机变量，有点类似正态分布，但是存在厚尾和尖峰。 因此在计算因子x时，我们希望因子x不能有离群点，或者说尽可能让x的分布接近y，常见处理有x**0.5, log(1+x), tanh(x)等。 关于成交量的有关知识可以参考
- 石川的因子投资讲的没问题，但是做的是日频，大家都卷，可以做分钟频的。
- 散户需要剑走偏锋，小体量灵活，去北交所。
- 做期货，但是不要上杠杆。
因子提交使用的库没有readme文件，需要自己看一下怎么使用，可以参考逐笔成交的库 https://github.higgsasset.com/Shannon/shannon_innovation： 在此间出现问题：在vscode（pycharm可能也有）中，当前目录下的a.py文件需要调用../../pack/b.py文件时，
from pack.b import *
参考
报错ModuleNotFoundError: No module named 'pack'。解决方案是添加当前目录到sys.path中。
使用vol/sharefloat和amt/sharefloat的方式来处理成交量和成交额。