加载中...
因子逻辑
来源:长江证券日内与日间高频因子,字段 pv_corr_interday。源记录未提供计算公式,不推断底层算法。
代码链接:https://bigquant.com/codesharev3/671a73a5-e3b8-48a0-b4d4-0aa1059ba011
源记录:新增因子.json 第 47 条;因子方向 1,原始 IC -0.027,IR -0.4483,多头年化 -0.0662,空头年化收益 0.184。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, pv_corr_interdayFROM bqf_frontier_add_07d5bb044897bq templates new strategies/multi_factor.py bqf_11415_strategy.py --name '长江日内与日间高频360 选股' \ --set 'TABLES=["BQF"]' --set 'FACTORS=["BQF_11415"]' --set 'HOLD=30' \ --set 'EVERY=20' --set 'BENCHMARK="000300.SH"' --set 'START="2021-01-01"' \ --set 'END="2026-11-20"' \ && python bqf_11415_strategy.pySELECT date, instrument, BQF_11415 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_11415 AS pv_corr_interday 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()