加载中...
因子逻辑
来源:中金公司高频因子手册分钟K线因子,字段 mmt_ols_corr_mean。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/dfa6f6ae-7e15-4559-bced-293d56c8c6f9
源记录:新增因子.json 第 5 条;因子方向 1,原始 IC -0.0248,IR -0.331,多头年化 0.0504,空头年化收益 0.1529。源数值保持原单位。
方向处理:源 IC 为负,将原始因子值乘以 -1 后分析。所有分析指标与逐日图表保留真实计算结果,不对 IC 取绝对值。
BigQuant SQL
SELECT date, instrument, mmt_ols_corr_meanFROM bqf_frontier_add_2197e153e37dbq templates new strategies/multi_factor.py bqf_11372_strategy.py --name '中金高频因子手册分318 选股' \ --set 'TABLES=["BQF"]' --set 'FACTORS=["BQF_11372"]' --set 'HOLD=30' \ --set 'EVERY=20' --set 'BENCHMARK="000300.SH"' --set 'START="2021-01-01"' \ --set 'END="2026-11-20"' \ && python bqf_11372_strategy.pySELECT date, instrument, BQF_11372 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_11372 AS mmt_ols_corr_mean FROM BQF", filters={"date": ["2021-01-01", "2026-10-15"]},).df()report = factor.analyze( values, start_date="2021-01-01", end_date="2026-10-15", universe=("all", "hs300"), neutralize=(None, "size+industry"), depth="deep",)report.render()