可转债多因子计算

昨天有同学留言说，为何要使用mongo，而不是直接把数据下载到hdf5里。

其实，如果是一次性数据下载，确实直接保存到hdf5，然后使用pandas本地加载是最为合适的。

但如果要做成在线服务，可以每天自动更新数据。hdf5增量更新的功能有限。还是需要数据库支持。

在做数据分析时，可以把数据下载到本地，写入hdf5文件，而且统计读出，合成到一个统一的大文件里，进行排序及其它运算。

datas = []
with pd.HDFStore('all.hdf5') as store:
    for key in store.keys():
            if 'all' in key:
                continue
            df = store[key]
            df['code'] = key.replace('/', '')
            datas.append(df)

    all = pd.concat(datas)
    all.sort_index(ascending=True, inplace=True)
    store['all'] = all

with pd.HDFStore('all.hdf5') as store:
    df = store['all']
sub_df = df.loc['20230113']
sub_df.set_index('code', inplace=True)
sub_df['转股溢价_rank'] = sub_df['转股溢价'].rank()
sub_df.sort_values(by='转股溢价_rank', inplace=True)print(sub_df)

使用多因子对400多支可转债进行排序：

cols_rank = []
sub_df['rank'] = 0.0
for col in ['pb_rank','转股溢价','-dt_netprofit_yoy']:
    asc = True
    if '-' in col:
        asc = False
        col = col.replace('-', '')
    cols_rank.append(col+'_rank')
    sub_df[col+'_rank'] = sub_df[col].rank(ascending=asc,pct=True)
    sub_df['rank'] = sub_df['rank'] + sub_df[col+'_rank']
sub_df.sort_values(by='rank', inplace=True)

如下就是多因子选债的最新结果：

后续对因子进行ic分析，以及对多因子模型进行回测。

关于基金的转换与赎回

昨天对一部分盈利的基金进行了转换，今天看到手续费，突发奇想要计算一下，没算明白。电话客服，说了各种细节，也没算明白。

后来打基金公司电话，搞明白几点：

一、有的基金是条款变更了，比如后来把手续费降下来了。这时候查之前的交易记录就会特别困惑，我有一支就是超过7天没有手续费，结果发现交易中有手续费，就特别困惑。

二、定投中途有过卖出记录。这个一眼看不过还真看不太明白。

逻辑上讲，现在都是电子交易，计算出错的可能性不大。主要是加深一下自己的理解，而且感受一下，交易成本的摩擦费用不小。

话说，有一笔交易，差几天就超过3年，就没有手续费了。结果当然没有仔细看。手续率是万20，呵。

下面说说NLP的一些进展

无论是做量化投资、机器学习还是自然语言处理，其实很多时间是花在数据准备、数据预处理，数据加工，特征工程上的。本身策略或者模型反倒简单。另外的的时间就是机器自己算的事情了。

自然语言处理，现在业界有句话叫，如果不用考虑上线，那就“无脑bert”。

bert虽好，就是费资源，无论是训练资源，还是上线后推理。

有时候杀鸡用牛刀，不太经济。

今天介绍一个好用的工具，facebook一个哥们开发的fasttext——即可以生成词向量，也可以做文本分类。

官网是https://fasttext.cc/