问答交流

如何打印出基础特征值(每个交易日的股票代码、开高低收)?

由peterdong创建,最终由small_q 被浏览 18 用户

# 本代码由可视化策略环境自动生成 2023年11月20日 17:49
# 本代码单元只能在可视化模式下编辑。您也可以拷贝代码,粘贴到新建的代码单元或者策略,然后修改。
 
# 显式导入 BigQuant 相关 SDK 模块
from bigdatasource.api import DataSource
from bigdata.api.datareader import D
from biglearning.api import M
from biglearning.api import tools as T
from biglearning.module2.common.data import Outputs
 
import pandas as pd
import numpy as np
import math
import warnings
import datetime
 
from zipline.finance.commission import PerOrder
from zipline.api import get_open_orders
from zipline.api import symbol
 
from bigtrader.sdk import *
from bigtrader.utils.my_collections import NumPyDeque
from bigtrader.constant import OrderType
from bigtrader.constant import Direction

# <aistudiograph>

# @module(position="418.9052734375,424.85455322265625", comment='', comment_collapsed=True)
m1 = M.input_features.v1(
    features="""
# #号开始的表示注释,注释需单独一行
# 多个特征,每行一个,可以包含基础特征和衍生特征,特征须为本平台特征
market_cap_0"""
)

# @module(position="428.85723876953125,537.7131652832031", comment='', comment_collapsed=True)
m4 = M.factorlens.v2(
    features=m1.data,
    title='因子分析: {factor_name}',
    start_date='2020-01-01',
    end_date='2023-11-20',
    rebalance_period=1,
    delay_rebalance_days=0,
    rebalance_price='close_0',
    stock_pool='全市场',
    quantile_count=10,
    commission_rate=0.0016,
    returns_calculation_method='累乘',
    benchmark='无',
    drop_new_stocks=60,
    drop_price_limit_stocks=True,
    drop_st_stocks=True,
    drop_suspended_stocks=True,
    cutoutliers=False,
    normalization=False,
    neutralization=[],
    metrics=['因子表现概览', '因子分布', '因子行业分布', '因子市值分布', 'IC分析', '买入信号重合分析', '因子估值分析', '因子拥挤度分析', '因子值最大/最小股票', '表达式因子值', '多因子相关性分析'],
    factor_coverage=0.5,
    user_data_merge='left'
)

# @module(position="423,650", comment='', comment_collapsed=True)
m3 = M.factorlens_preservation.v2(
    factors_info=m4.save_data,
    factor_fields=# 定义因子名称
# {
#     "列名": {'name': "因子名", 'desc': "因子描述"},
#     "列名": {'name': "因子名", 'desc': "因子描述"},
#     ... 
# }
{}
,
    table=''
)

\

标签

数据可视化股票交易
评论
  • 因子分析一般是根据因子大小给股票分组,进行收益率和ic等相关性分析,也就是说因子分析是每只股票都要用到的。
  • 你这里是通过因子列表进行因子分析,因此可以直接通过这个因子的名称调用数据
{link}