加载中...
因子逻辑
来源:信达证券分钟线高频选股因子,字段 acorr_weighted。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/eb365185-8de6-4492-9ff3-1b113295a198
源记录:新增因子.json 第 144 条;因子方向 1,原始 IC 0.0543,IR 0.5733,多头年化 0.2112,空头年化收益 -0.2105。源数值保持原单位。
方向处理:源 IC 非负,保留原始因子值。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, acorr_weightedFROM cn_stock_factors_hf_xd_minute_statsbq templates new strategies/multi_factor.py bqf_11509_strategy.py --name '信达分钟线高频选股457 选股' \ --set 'TABLES=["BQF"]' --set 'FACTORS=["BQF_11509"]' --set 'HOLD=30' \ --set 'EVERY=20' --set 'BENCHMARK="000300.SH"' --set 'START="2021-01-01"' \ --set 'END="2026-11-20"' \ && python bqf_11509_strategy.pySELECT date, instrument, BQF_11509 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_11509 AS acorr_weighted FROM BQF", filters={"date": ["2021-01-01", "2026-10-16"]},).df()report = factor.analyze( values, start_date="2021-01-01", end_date="2026-10-16", universe=("all", "hs300"), neutralize=(None, "size+industry"), depth="deep",)report.render()