多因子合成|MF

多因子本质是在时间截面上对候选标的进行评分，所以实际需要配合 Selector (策略选择算法) 使用。

因子计算时的标准化与中性化，参见: 因子标准化与中性化|NORM

公共参数:

fill_null (bool|True): 数据缺失时是否填充 nan 值, 否则以最近值填充

ic_n (int|5): 用于计算合成后因子 IC 时的 ic_n 日收益率

spearman (bool|True): 使用 spearman 获取相关系数，否则为 pearson

mode (int|2): 获取截面数据时排序模式: 0-降序, 1-升序, 2-不排序

save_all_factors (bool|False): 是否保存所有因子值,影响 get_actor/get_all_factors 方法

内建对因子合成算法

hikyuu.trade_sys.MF_Weight(input, stks, weights, query, ref_stk[, ic_n=5, spearman=True, mode=0, save_all_factors=False])

按指定权重合成因子 = ind1 * weight1 + ind2 * weight2 + ... + indn * weightn，支持多种输入类型

参数:

input -- 因子输入，可以是FactorSet对象或Indicator序列
stks (sequense(stock)) -- 计算证券列表
weights (sequense(float)) -- 权重列表(需和因子数量等长)
query (Query) -- 日期范围
ref_stk (Stock) -- 参考证券用于日期对齐 (未指定时，默认为 sh000001)
ic_n (int) -- 默认 IC 对应的 N 日收益率
spearman (bool) -- 默认使用 spearman 计算相关系数，否则为 pearson
mode (int) -- 获取截面数据时排序模式: 0-降序, 1-升序, 2-不排序
save_all_factors (bool) -- 是否保存所有因子值,影响 get_actor/get_all_factors 方法

返回类型:

MultiFactorBase

# 使用Indicator列表
indicators = [MA(CLOSE(), 5), MA(CLOSE(), 10)]
weights = [0.6, 0.4]
mf1 = MF_Weight(indicators, stocks, weights, query)

# 使用FactorSet
factor_set = FactorSet(indicators)
mf2 = MF_Weight(factor_set, stocks, weights, query)

hikyuu.trade_sys.MF_EqualWeight(input, stks, query, ref_stk[, ic_n=5])

等权重合成因子，支持多种输入类型

参数:

input -- 因子输入，可以是FactorSet对象或Indicator序列
stks (sequense(stock)) -- 计算证券列表
query (Query) -- 日期范围
ref_stk (Stock) -- 参考证券用于日期对齐 (未指定时，默认为 sh000001)
ic_n (int) -- 默认 IC 对应的 N 日收益率
spearman (bool) -- 默认使用 spearman 计算相关系数，否则为 pearson
mode (int) -- 获取截面数据时排序模式: 0-降序, 1-升序, 2-不排序
save_all_factors (bool) -- 是否保存所有因子值,影响 get_actor/get_all_factors 方法

返回类型:

MultiFactorBase

# 使用Indicator列表
indicators = [MA(CLOSE(), 5), MA(CLOSE(), 10)]
mf1 = MF_EqualWeight(indicators, stocks, query)

# 使用FactorSet
factor_set = FactorSet(indicators)
mf2 = MF_EqualWeight(factor_set, stocks, query)

hikyuu.trade_sys.MF_ICWeight(input, stks, query, ref_stk[, ic_n=5, ic_rolling_n=120])

滚动IC权重合成因子，支持多种输入类型

参数:

input -- 因子输入，可以是FactorSet对象或Indicator序列
stks (sequense(stock)) -- 计算证券列表
query (Query) -- 日期范围
ref_stk (Stock) -- 用于日期对齐的参考证券 (未指定时，默认为 sh000001)
ic_n (int) -- 默认 IC 对应的 N 日收益率
ic_rolling_n (int) -- IC 滚动周期
spearman (bool) -- 默认使用 spearman 计算相关系数，否则为 pearson
mode (int) -- 获取截面数据时排序模式: 0-降序, 1-升序, 2-不排序
save_all_factors (bool) -- 是否保存所有因子值,影响 get_actor/get_all_factors 方法

返回类型:

MultiFactorBase

# 使用Indicator列表
indicators = [MA(CLOSE(), 5), MA(CLOSE(), 10)]
mf1 = MF_ICWeight(indicators, stocks, query)

# 使用FactorSet
factor_set = FactorSet(indicators)
mf2 = MF_ICWeight(factor_set, stocks, query)

hikyuu.trade_sys.MF_ICIRWeight(input, stks, query, ref_stk[, ic_n=5, ic_rolling_n=120])

滚动ICIR权重合成因子，支持多种输入类型

参数:

input -- 因子输入，可以是FactorSet对象或Indicator序列
stks (sequense(stock)) -- 计算证券列表
query (Query) -- 日期范围
ref_stk (Stock) -- 用于日期对齐的参考证券 (未指定时，默认为 sh000001)
ic_n (int) -- 默认 IC 对应的 N 日收益率
ic_rolling_n (int) -- IC 滚动周期
spearman (bool) -- 默认使用 spearman 计算相关系数，否则为 pearson
mode (int) -- 获取截面数据时排序模式: 0-降序, 1-升序, 2-不排序
save_all_factors (bool) -- 是否保存所有因子值,影响 get_actor/get_all_factors 方法

返回类型:

MultiFactorBase

# 使用Indicator列表
indicators = [MA(CLOSE(), 5), MA(CLOSE(), 10)]
mf1 = MF_ICIRWeight(indicators, stocks, query)

# 使用FactorSet
factor_set = FactorSet(indicators)
mf2 = MF_ICIRWeight(factor_set, stocks, query)

自定义多因子合成算法基类

自定义多因子合成算法接口：

MultiFactorBase._calculate() - 【必须】计算合成因子

多因子合成算法基类

class hikyuu.trade_sys.MultiFactorBase

多因子合成基类

name 名称

query 查询条件

__init__(self)

初始化构造函数

参数:: name (str) -- 名称

get_param(self, name)

获取指定的参数

参数:: name (str) -- 参数名称
返回:: 参数值
抛出:: out_of_range -- 无此参数

set_param(self, name, value)

设置参数

参数:

name (str) -- 参数名称
value (int | bool | float | string) -- 参数值

抛出:

logic_error -- Unsupported type! 不支持的参数类型

clone(self): 克隆操作

get_ref_stock(self): 获取参考证券

set_ref_stock(self, ref_stk)

重新设置参考证券

参数:: ref_stk (Stock) -- 新指定的参考证券

get_stock_list(self): 获取创建时指定的证券列表

set_stock_list(self, stks)

重新指定证券列表

参数:: stks (list) -- 指定的证券列表

get_stock_list_num(self): 获取创建时指定的证券列表中证券数量

get_datetime_list(self): 获取参考日期列表（由参考证券通过查询条件获得）

get_ref_indicators(self): 获取创建时输入的原始因子列表

set_ref_indicators(self, inds)

重新设置原始因子列表

参数:: inds (list) -- 新的原始因子列表

get_factor(self, stock)

获取指定证券合成后的新因子

参数:: stock (Stock) -- 指定证券

get_all_factors(self)

获取所有证券合成后的因子列表

返回:: [factor1, factor2, ...] 顺序与参考证券顺序相同

get_ic(self[, ndays=0])

获取合成因子的IC, 长度与参考日期同

ndays 对于使用 IC/ICIR 加权的新因子，最好保持好 ic_n 一致，但对于等权计算的新因子，不一定非要使用 ic_n 计算。所以，ndays 增加了一个特殊值 0, 表示直接使用 ic_n 参数计算 IC

参数:: ndays (int) -- ic 的 ndays 日收益率
返回类型:: Indicator

get_icir(self, ir_n[, ic_n=0])

获取合成因子的 ICIR

参数:

ir_n (int) -- 计算 IR 的 n 窗口
ic_n (int) -- 计算 IC 的 n 窗口 (同 get_ic 中的 ndays)

get_score(self, date[, start=0, end=Null])

获取指定日期截面的所有因子值，已经降序排列，相当于各证券日期截面评分。

参数:

date (Datetime) -- 指定日期
start (int) -- 取当日排名开始
end (int) -- 取当日排名结束(不包含本身)
func (function) -- (ScoreRecord)->bool 或 (Datetime, ScoreRecord)->bool 为原型的可调用对象

返回类型:

ScoreRecordList

get_all_scores(self)

获取所有日期的所有评分，长度与参考日期相同

返回:: ScoreRecordList

get_all_src_factors(self)

获取所有原始因子列表(如果指定了标准化、行业中性化, 返回为已处理的因子列表)

返回类型:: list
返回:: list IndicatorList stks x inds

set_normalize(self, norm)

设置标准化或归一化方法（影响全部因子）

参数:: norm (NormalizeBase) -- 标准化或归一化方法实例

add_special_normalize(self, name[, norm=None, category="", style_inds=[]])

对指定名称的指标应用特定的标准化/归一化、行业中性化、风格因子中性化操作。标准化操作、行业中性化、风格因子中性化彼此无关，可同时指定也可分开指定。

参数:

name (str) -- 特殊归一化方法名称
norm (Normalize) -- 特殊归一化方法
category (str) -- 行业中性化时，指定板块类别
style_inds (list[Indicator]) -- 用于中性化的风格指标列表

_calculate(self, stks_inds)

计算每日证券合成因子，输入参数由上层函数计算后传入，如：

待计算的证券列表 - stk1, stk2 原始因子列表 - ind1, ind2 则传入的 stks_inds 为：[IndicatorList(stk1)[ind1, ind2], IndicatorList(stk2)[ind1, ind2]]

参数:: stks_inds (list) -- 与证券列表顺序相同已经计算好的所有证券的原始因子列表
返回:: 按证券列表顺序存放的所有新的因子