如何高效地生成因子分析报告

由hxgre创建，最终由hxgre更新于2025-11-27 08:37 被浏览 4 用户

恭喜各位同学进入最终的决赛阶段！本次决赛将采用线上答辩的方式，要求参数者撰写因子研究报告并提供源码，以压缩包的形式提供。如下图所示，须包含以下两个文件：

报告生成代码脚本

为了参赛者更加顺利高效地生成因子报告，我们提供了一个完整的例子，供参赛者借鉴。具体请查看以下代码链接：

上述代码主要分成以下几个部分：

运行您的因子代码构建因子数据，并如初赛阶段一样运行 M.factorlens.v4 进行单因子分析，==注意：将 M.factorlens 的版本改为 v4！==该版本模块会返回因子分析的结果数据。

在决赛阶段，除了训练集数据，我们也公开了测试集数据，方便参赛者进行多角度测试：

训练集数据
- 表名： cpt_jyc_2025_stock_csi1000_bar1m
- 链接：https://bigquant.com/data/datasources/cpt_jyc_2025_stock_csi1000_bar1m
- 时间段：2023-01-01 至 2024-12-31
测试集数据
- 表名：cpt_jyc_2025_stock_csi1000_bar1m_test
- 链接：https://bigquant.pro/data/datasources/cpt_jyc_2025_stock_csi1000_bar1m_test
- 时间段：2025-01-01 至 2025-07-31

注意：cpt_jyc_2025_stock_csi1000_bar1m_test存储了2024年9月以来的数据，方便部分参赛者构建时序类因子，但在公榜阶段，打分只选择2025-01-01 至 2025-07-31的因子数据。

M.factorlens.v4 运行结束后将相关数据返回给变量m，m是dict，包含以下两个值：

**m[“detail”]**存储的是一个BigQuant平台特有的数据格式，可以通过 read_pickle() 读取为 python 的 dict 形式，包含以下内容：

whole_perf：分组回测中，多头（因子值最大）、空头（因子值最小）、多空组合的整体表现。
yearly_perf：多头组的年度统计指标
ic_perf：IC 的时序统计指标，包括：
- g_ic：当日的因子值与未来一日收益率的截面相关性
- g_rank_ic：当日的因子值与未来一日收益率的截面相关性（rank）
- ic_cumsum：g_ic 的累加值
- ic_roll_ma：g_ic 的滚动22日的均值
group_cumret：分组的收益时序数据
- 第0组因子值最小即空头
- 第9组的因子值最大即多头（这里9取决于您的分组数量）
- ls为多空组的收益率，即第9组减去第0组的收益率
- bm指基准指数的收益率
factor_name：因子名称

因为 M.factorlens 生成的因子分析结果是基于 BigQuant 平台特有的画图工具，无法转换为 png 等格式，所以，我们提供了多个python代码模版用来绘制相关统计指标和图片，用于生产相关报告材料，详情如下：

save_image：将image保存到指定目录下，用在 render_factor_data、render_cumulative_returns、render_ic_timeseries 三个画图的函数中。
render_factor_data：画出原始因子数据和处理后的因子数据的分布对比图，如分布直方图、箱线图、QQ图等。
render_whole_performance：将多头、空头、多空组合的绩效表现转换为 markdown 格式。
render_cumulative_returns：画出分组收益率走势图。
render_ic_metrics：将IC的统计指标转换为 markdown 格式，如 IC均值、IR、IC绝对值>0.02的比例等
render_ic_timeseries：画出IC的时序图，包括当日IC值、IC时序累计值等。

==注意：上述代码框架只是模版，仅供参考！各位参赛者不必局限于只计算和展示这些指标，我们鼓励参赛者对您构建的因子进行更加深入的分析！==

参考以下代码，我们可以将前文生成的指标和图片保存到 markdown 格式的文档中。如需下载，右键点击相关的文件夹进行下载。

我们接受 markdown 格式的因子报告，如果您想生成更加规整的 pdf 因子报告，可以利用 vscode 中的 Markdown PDF 插件将 markdown 文件转换为 pdf 文件。