可转债所有历史日线数据打包下载，含“双低”因子值

今天咱们要做可转债的因子分析。

【每周研报复现】AI量化特征工程之alphalens：一套用于分析 alpha 因子的通用工具

alphalens年久失修，好在有人修复了一个版本叫alphalen-reloaded。

大家直接输入：pip install alphalens-reloaded即可。

alphalens看起来挺复杂，其实使用很简单，准备两个数据，在咱们的表达式引擎上，这个非常简单：

首先是收盘价数据，这个咱们bt引擎里使用的，就是这个数据。

另外一个是因子值，使用双索引。

咱们的数据只需要设置一下双索引就可能了，然后把你要分析的因子列读出来。

这就已经完成90%的工作了。

一行代码完成因子分层计算工作：

from alphalens.utils import get_clean_factor_and_forward_returns
#将tears.py中的get_values()函数改为to_numpy()
ret = get_clean_factor_and_forward_returns(factor, data)

然后一行代码完成分析工作：

import alphalens
alphalens.tears.create_full_tear_sheet(ret)

重点是如何解读Alphalens的输出报告：

首先当然是IC分析：

• IC 衡量的是因子值与未来收益之间的相关性。
• IC 值的范围是 -1 到 1，正值表示因子值与未来收益正相关，负值表示负相关。
• IC 的绝对值越大，表示因子的预测能力越强（绝对值>0.05认为有效）——所以，咱们回测按周调仓是有道理的，也可以按两周来调仓。
• t-Statistic 是 IC 的统计显著性检验，用来评估 IC 的可靠性。
• 一个高的 t-Statistic 值（绝对值通常大于 2）表示 IC 的显著性较高，即因子的预测能力不是偶然发生的。

  上面的信息分析表明——双低因子是有效的，且在统计意义上是显著的（不是随机发生）。

  再来看收益分析：

  

  因子 Beta 衡量的是因子收益对市场收益变化的敏感性。

  Beta 值大于 1 表示因子收益对市场变化的敏感性高于市场平均水平。

因子自相关性：

• 因子排名自相关性衡量的是时间序列上因子排名的相关性。
• 高自相关性可能表明因子在短期内具有持续性，但也可能表明因子的预测能力在减弱。

换手率——这个好理解：

• Turnover 衡量的是投资组合的换手率，即投资组合中股票的更换频率。
• 高 Turnover 可能意味着因子策略需要频繁交易，这可能导致更高的交易成本。

看分层单调性——我们一共把所有转债按因子从小到大，分为5层，下图显示出分层单调性。——这一点很重要，意味着，因子可以把转债有效区分开，单调性是因子有效的重要标志之一。

我们不仅可以靠做多获得收益，还可以通过做空来使收益倍增（如果可以的话）

分层累计回报（1D）: 1层，也就是因子最小的层，与5层，也就是因子最大的层，同样显示出良好的单调性：

因子收益图：展示因子在不同时间段的收益表现。

小结：其实单因子分析并不复杂，这里当然咱们没有做市值，行业中性的数据处理——股票通常是需要的，这个后续分享。

重点看IC，就是未来收益与因子的相关性，看t值确保有统计上的显示性，看ric确保因子稳定。然后就是分层单调性。

关于社区

一年多前，就安装过社区软件，其实这是一款不错的产品，精美，功能强大，很适用于知识社群。

记录一下过程，使用docker部署的话：

镜像是现成的，不过这个镜像admin打不开，在社区里找到解决方案，自己从gitee下载最新代码包，然后从论坛下载vendor.zip置于根目录，配置chmod -R 777 discuz目录，即可，然后把mysql数据持久化到宿主机即可。

docker run -p 8088:80 -v 你的discuzq目录:/var/www/discuz -v /data/discuz-mysql:/var/lib/mysqldb -d ccr.ccs.tencentyun.com/discuzq/dzq:latest

吾日三省吾身

你不能朝前看去把点连起来；你只能向后看去把点连起来。所以你必须相信，这些点将来会以某种方式连在一起。你必须相信某种东西的存在。这种思路从没有让我失望，而且它让我的人生很不一样。

乔布斯在斯坦福的演讲

这段演讲，是在北大光华的课堂上，当时老师给我们播的。

当然只是看着乔布斯，作为一个创新的成功者来欣赏。

现在回过头看，方解其中真义。

我们生活在一个超级不确定的时代，各种变量，明天是不可预测的，计划往往赶上不变化。

但努力仍然是最好的选择，尤其对于普通人。

那你可能要问了，努力做什么呢？选择不是更重要吗，努力就是最好的选择，这就是来回绕了吗？

我们当下做的一件件事情，都是一个个点。

你读的每一本书，经历的每一件事情，学习的每一个技能，认识的人，都会在将来连成一条线。

很庆幸，自己在大学毕业之后，一直写代码，折腾过很多东西，看似短期内也许没什么用，但这些技能，都在连接成一条线。

从python到量化投资，然后人工智能，自然语言处理，大模型，然后AI量化投资。

另外，关于有些转债，个别日期没有数据的问题，需要做前向填充，否则回测会出错：

昨天有几个同学留言说，“双低”近期失效的问题，一个大家都知道的因子，其实表现还算可以了：

后面星球有几件重要的事情同步：

1、持续给大家写策略，这是不变的。

从传统的信号指标策略到时间序列分析，然后到多因子模型，因子挖掘等。

2、基础设施。

我们不做数据中心，但策略需要的基础支撑，尤其是多因子，是需要数据持续更新，还有可能补充另类数据，比如文本数据等。——这样大家就可以通过网站下载增量更新的数据包，以及因子集等。

3、量化论坛，现在一个群只能容纳200人，而且交流的东西无法沉淀。

星球是封闭的私域，还有很多暂时没有加入的同学，或者没有续期的同学就看不到最新的进展，因此，我们希望搭建一个学习量化，交流量化的平台（免费）。

吾日三省吾身

往前看五年，再往后看五年。

日常的很多事情，纠结的事情，在人生长河中，不值一提。

但长期主义，做时间的朋友很重要。

无论你怎么做，五年后总是会到来，而且比你想象中的快。

五年前，还在前一家公司。

五年前，量化从外汇转投研，开始折腾人工智能，对标的是当时很火的kensho——回过头看去，kensho的技术在大模型面前不值一提。

从债券基金、偏债混合型基金、稳健型偏股基金到优质指数基金，经历过理念的进化——当然这一切都是建立在数据的基础上——然后建立起自己的全球大类资产配置理念，全仓全天候不定期再平衡:实战：百万家庭资产配置方案总纲。

——也就是我说的ABCZ里的Z计划：人生计划之”ABCZ”。

然后开始写一些自媒体，把自己做的过程，一些结论分享出来，也收获了一些朋友的支持。

五年前，你要问，能不能想象到五年后的今天，其实想不到。

都只是一些模糊的，但正是这些模糊的目标，指引着我们往前走。

比如投资是一个重要的杠杆，尤其是当你本金较大的时候，你会稳健投资，意味着你拥有一条最好的被动收入管道，而这个能力就是——大类资产配置能力。——这五年里，这个目标——也就是稳健投资的能力，已经构建起来了。

比如大环境形势，应该做自媒体。至于怎么做，当时也完全不知道，也不知道问谁。那就尝试着开号，写点东西，看看反馈，就这么一步步开始，走下来。

所以，我一直说，有一个模糊的目标与方向，然后为之配置一个系统——转换为每天都会做的事情，就好了。

往前看未来五年：

身体健康这类的不算的话，在目前形势下，搭建多条低相关的被动收入管道或系统是必要的。产品（作品，平台，软件）+ 杠杆（流量，渠道）。产品是基础，流量在杠杆。

以量化交易为生为核心，不断沉积产品、作品，为用户创造价值，真正帮助到一些希望以交易为生的朋友。流量帮助我们更容易触达他们，获得反馈。