JulWeek4

本周预期

1. 找到rankic大于0.025的因子
2. 将目前的挖掘因子方法模块化，方便复用

   0721 请假

   0722

   构造思路 参考聚宽的日频因子的构建方法，构建1min频因子，并且评估。
   

3. 收益率方差(5min,10min,15min,20min): std_rtn_vwap + [5,10,15,20]
4. 成交额的平均值(5min,10min,15min,20min): volume_avg_amt + [5,10,15,20]
5. 成交额的标准差(5min,10min,15min,20min): std_volume_amt + [5,10,15,20]

   结果（rankic绝对值大于0.015的）

| 因子名 | overall rankic | |:—————————————|:—————| | avg_AMT_15 | -0.015124 | | std_rtn_vwap_10 | -0.015216 | | sign_log_rtn_vwap_AMT | -0.015413 | | avg_AMT_10 | -0.015737 | | std_AMT_5 | -0.015847 | | avg_AMT_5 | -0.015944 | | std_AMT_20 | -0.016554 | | std_AMT_15 | -0.017210 | | std_rtn_vwap_5 | -0.017346 | | std_AMT_10 | -0.017719 | 同时做出cum_icir图，发现sign_log_rtn_vwap_AMT的cum_icir是单调递减的，overall rankic>0.015，而其他因子存在波动。

因子的提交

使用这个库：https://github.higgsasset.com/Shannon/shannon_kbar_factor

金融学里的统计常识

1. 不同种类的票，它们的volume和amount的分布是不同的，不能直接比较。 常见的处理方式是对于vol变化为vol/sharefloat，即计算成交量/流通股本的比率，换手率；同理对于amt有类似变化。
2. 由于预测的y为10min后的vwap的收益率，在金融中收益率一般是一个0均值的随机变量，有点类似正态分布，但是存在厚尾和尖峰。 因此在计算因子x时，我们希望因子x不能有离群点，或者说尽可能让x的分布接近y，常见处理有x**0.5, log(1+x), tanh(x)等。 关于成交量的有关知识可以参考

   真东西

3. 石川的因子投资讲的没问题，但是做的是日频，大家都卷，可以做分钟频的。
4. 散户需要剑走偏锋，小体量灵活，去北交所。
5. 做期货，但是不要上杠杆。
6. 

0723 & 0724

提交/生成因子的库

因子提交使用的库没有readme文件，需要自己看一下怎么使用，可以参考逐笔成交的库 https://github.higgsasset.com/Shannon/shannon_innovation： 在此间出现问题：在vscode（pycharm可能也有）中，当前目录下的a.py文件需要调用../../pack/b.py文件时，

from pack.b import *

参考
报错ModuleNotFoundError: No module named ‘pack’。解决方案是添加当前目录到sys.path中。

0725

因子挖掘

使用vol/sharefloat和amt/sharefloat的方式来处理成交量和成交额。