单因子分析模块简介
- 实现平台：BigQuant—人工智能量化投资平台
- 可在文末前往原文一键克隆 策略进行进一步研究
大家在找因子的时候，一定会纠结应该如何去评价一个因子的好坏。我记得华尔街的以为量化大鳄曾说过一句话，在量化交易里，最烂的方法是看回测，最好的方法是特征分析（信息分析）。
于是，开发了一个单因子分析的模块，来帮助大家甄别因子的好坏。
模块基本分析框架
全市场因子暴露
因子暴露在我们的分析框架里，就是指因子值。我们分别做了因子暴露的月度分布分析以及时序分析。
全市场因子收益
因子收益指对收益率回归得到的因子beta系数。因为y是收益率，beta代表对因子的单位暴露，y变动的敏感度，所以也就解释为收益率的变动。
相关性分析
我们整理出来了9个大类因子，分别是：
- 规模因子
- 成长因子
- beta因子
- 流动性因子
- 杠杆因子
- 价值因子
- 逆转因子
- 动量因子
- 波动因子
我们针对这9个大类因子分别做了目标因子与它们的相关性分析。
因子行业分布
用来分析因子暴露在申万一级行业的分布。
因子IC分析
IC代表了这个因子是否具有预测性能，通过IC的序列分析，我们或许能发现因子有效性的周期轮动规律。
因子分组收益
我们对因子收益根据20%、40%、60%、80%的分位数分为五组，然后把每一组视为一个投资组合，分别统计它们的投资收益。
多空收益
在这里，我们计算根据因子分组后，做多因子收益最高的一组投资组合，做空因子收益最低的一组投资组合，然后分析组间收益的离差规律。
因子收益t检验
因子收益，在我们的分析里本质上就是beta系数，我们可以通过t检验来验证因子收益的统计显著性。也就是当p值小于5%时，我们可以相信有很大的可能因子收益不为0，
相反如果p值大于5%，那么我们的因子收益结果就不那么信服。
使用方式
1. 新建一个空白的可视化策略
2. 从共享模块拖入单因子分析模块
从共享模块拖入单因子分析模块，然后我们注意到在右边有三个输入参数，分别是：
- 因子，可以输入因子表达式，只能输入一个因子
- 开始时间，表示单因子分析的时间跨度，最少要输入一个月
- 结束时间
3. 运行模块
当我们输入完参数，就可以右键模块运行了。
4. 分析结果
大概几分钟后，我们就能看到分析结果了:
源码地址：《单因子分析模块简介》
本文由BigQuant人工智能量化投资平台原创推出，版权归BigQuant所有，转载请注明出处。
