可转债多因子策略之基准

涉及的数据，已经发布到星球——所有的可转债历史日线，带双低因子。

这里数据处理需要一些技巧的，比如转债停牌后，很多数据平台的转股溢价率还有持续更新，导致价格为零，会回测出错。

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。

多因子模型的实战，考虑到可转债数据最容易获得。

咱们从可转债市场开始——其实逻辑都是一样的。

一是从投资理念看，可转债与ETF相似之处在于，可转债也属于“中低”风险投资领域；

二是可转债几百支(A股市场，一共上市954支可转债，除去已经退市的，当前可以交易的转债为567支)，数据量相对小，而且可转债的数据里，也需要构建对应的正股数据，也为后续做股票数据打下基础。

可转债背后的正股就是股票，股票的因子都是可以用的。另外可转债有债性，其实就看涨期权，这部分因子也可以用。

策略的基准就是“双低”，这个玩转债的同学都非常熟悉了，长期有效的策略。有点类似股票里的低估值，只要买得便宜，分散，市场都会回来的。

通过这一个多因子“流水线”的搭建，我们把这个体系建立起来。

后续就是补充基础数据，比如股票市场的价量数据、基本面数据，甚至是另类数据。然后积累因子库，因子自动分析、筛选、入库，定期检测。

按不同的思路，构建不同的策略，形成相关度低的策略集。

1、下载可转债数据，我们从tushare上下载，包括计算好的转股溢价率：

2、数据加载，读了所有——包括已经退市的历史数据：

import sys
sys.path.append('../')
from matplotlib import rcParams
rcParams['font.family'] = 'SimHei'

import backtrader as bt
from datafeed.dataloader import CSVDataloader
from backtrader_extends.engine import BacktraderEngine, StFetcher
from datafeed.dataloader import CSVDataloader
from backtrader_extends.strategy import StrategyBase
from backtrader_extends.algos import *
from datetime import datetime
import pandas as pd
from config import DATA_DIR_BASIC
bonds = pd.read_csv(DATA_DIR_BASIC.joinpath('cb_list.csv'))['ts_code']

df = CSVDataloader.get_df(bonds, set_index=True, start_date='20150101',path='bonds')
df = CSVDataloader.calc_expr(df, ['close+cb_over_rate'], ['double_low'])
print(df)