加载中...
因子逻辑
来源:方正证券云开雾散因子,字段 fog_amount_ratio_mean。读取平台表中的因子原值。源记录未提供计算公式,不推断底层算法。
代码链接:https://bigquant.com/codesharev3/3a94d7e5-74fd-46e8-a316-cdcfe039c844
源记录(Sheet1 第 245 行):因子方向 1,原始 IC -0.04,IR -0.5142,多头年化 -0.0823,空头年化收益 0.2206。源数值保持原单位。
方向处理:源 IC 为负,因子值乘以 -1 后存入正向值表;分析和用户取值均使用转换后的值。分析指标与逐日图表均保留真实计算结果,不对 IC 取绝对值;不同窗口和中性化口径仍可能出现负 IC。
BigQuant SQL
SELECT date, instrument, -1 * fog_amount_ratio_mean AS fog_amount_ratio_meanFROM cn_stock_factors_hf_fz_clouds_clearbq templates new strategies/multi_factor.py bqf_11298_strategy.py --name '方正云开雾散244 选股' \ --set 'TABLES=["BQF"]' --set 'FACTORS=["BQF_11298"]' --set 'HOLD=30' \ --set 'EVERY=20' --set 'BENCHMARK="000300.SH"' --set 'START="2021-01-01"' \ --set 'END="2026-11-20"' \ && python bqf_11298_strategy.pySELECT date, instrument, BQF_11298 FROM BQF带入当前因子,在 Cowork 中继续研究。
from bigquant import dai, factor
values = dai.query( "SELECT date, instrument, BQF_11298 AS fog_amount_ratio_mean FROM BQF", filters={"date": ["2021-01-01", "2026-10-14"]},).df()report = factor.analyze( values, start_date="2021-01-01", end_date="2026-10-14", universe=("all", "hs300"), neutralize=(None, "size+industry"), depth="deep",)report.render()