因子模型（2）——因子的计算(groupby, merge)

理论基础

在分析之前，首先要计算每只股票在特定时间段内的日收益。

在学术上，通常采用对数收益率，满足可加性。

首先看一下原始数据

image

有同学可能想，直接相减，然后删去2019.5.24日对应的所有数据

但是这样是不可行的，因为每个公司的数据长度不一定相同（停牌无数据）

因此需要用groupby函数

数据准备

首先是获得数据,然后是准备因子的分组(可关注观看之前文章）

代码获取

1. daily.py：自动更新规定时间内的日度数据，可以自行修改数据期间。默认为半年前至当日。以便后续分析
2. factor.py :下载三因子所需数据，但日期需要自行更改，一般需要两年，6月底分组
3. factor_cal.py:将股票进行分组，以便后续计算因子
4. return_cal.py：计算对数收益率
5. factor_merge.py: 收益率、因子等将匹配

groupby函数：

简单来讲，将数据分块，如图所示

image

分组后，group[0]是公司的名称（本案例中）

我们用group[1]来提取数据框（整体不是dataframe格式，需要提取）

计算步骤：

• 我们将收盘价向下错后一行

image

• 删掉空值所在行
• 分别计算收盘价对数。（不能直接用math.log(序列)，要[math.log(x) for x in 序列]）
• 将两列相减，得到收益率
• 将每个公司的结果append。

计算因子的思路：

• 将数据按照日期、因子的虚拟变量分组（小市值为1，大市值为0）
• 计算每个公司在该分组下，按照市值所确定是权重
• 将收益率按照权重求和
• 如果虚拟变量分组为1（证明是小市值）
• 将该数据加到 日期，小市值两个list
• 如果虚拟变量分组为0（证明是大市值）
• 将该数据加到大市值list
• 合并三个list
• 将小市值收益-大市值收益得到因子

同理，计算账面市值比因子

merge函数

 df_3 = pd.merge(数据框1,数据框2, on=['一样名字的列1'，'一样名字的列2'])

首先，我们的数据是5-11月，因此5，6月应当对应2018年的分组，7月后对应2019年的分组

因此我们根据季度，将第二季度的year由2019替换为2018，然后与2018分组merge

第三、四季度的year本身为2019，与2019的分组merge

on=['code','year']

将两个数据框合并

然后将各个因子对应的数据框按照date合并

最终数据的形式如下：

image

如果有兴趣可以关注一下

image

代码：

##计算对数收益率
import pandas as pd
import math

print('请输入地址')
global file_place
file_place='D:\\'
fff=file_place+'\\Quantify\\daily\\daily'+str(2019)+'.csv'

##计算收益率
def cal_return(group):
    group=pd.DataFrame(group[1])##提取数据框
    group['close_down1']= group['close'].shift(periods=1)
    group = group.dropna(axis=0, how='any')
    group["close"] = [math.log(x)  for x in group["close"]]
    group['close_down1'] = [math.log(x) for x in group['close_down1']]
    group['ret'] = (group['close']-group['close_down1'])*100
    group=group[['date','code','quarter','year','ret','marketvalue']]
    return(group)

daily_data = pd.read_csv(file_place+'Quantify\\daily\\daily'+str(2019)+'.csv')
returndata=pd.DataFrame(columns=['date','code','quarter','year','ret','marketvalue'])
g=pd.DataFrame(columns=['date','code','quarter','year','ret','marketvalue'])
print(g)
for group in daily_data.groupby(['code']):
    g=cal_return(group)
    returndata=returndata.append(g)
    print(group[0])
#returndata.to_csv(file_place+'Quantify\\daily\\daily_ret'+str(2019)+'.csv', header=True,index=False)

计算因子

import pandas as pd
import baostock as bs
import datetime
import math

now_time=datetime.datetime.now().strftime('%Y-%m-%d')
now_time=datetime.datetime.strptime(now_time,'%Y-%m-%d')
year=int(now_time.year)
print('请输入地址')
global file_place
file_place='D:\\'
fl = 'Quantify\\idcode.csv'
filee=file_place+fl
fff=file_place+'\\Quantify\\daily\\daily'+str(2019)+'.csv'

returndata = pd.read_csv(file_place+'Quantify\\daily\\daily_ret'+str(2019)+'.csv')
factor_data2019=pd.read_csv(file_place+'Quantify\\factor\\factor_sort'+str(2019)+'.csv')
factor_data2019["year"] =2019
factor_data2018=pd.read_csv(file_place+'Quantify\\factor\\factor_sort'+str(2018)+'.csv')
factor_data2018["year"] =2018
returndata ["year"] = [2018 if x <3  else 2019 for x in returndata ["quarter"]]
half_1= pd.merge(returndata, factor_data2018, on=['code','year'])
half_2= pd.merge(returndata, factor_data2019, on=['code','year'])
half_1=half_1.append(half_2)
factor3=half_1[["date","code","ret","smb_dum","hml_dum","marketvalue"]]
small=[]
day=[]
big=[]
##计算因子
for group in factor3.groupby(['date','smb_dum']):
    group=group[1]
    group["sum_m"] = group['marketvalue'].sum()
    group["ret_w"] = group['marketvalue']/group['sum_m']*group['ret']
    group["ret_group"]=group['ret_w'].sum()
    group=group[["date","smb_dum","ret_group"]]
    if group.iloc[0,1]==1:
        small.append(group.iloc[0,2])
        day.append(group.iloc[0,0])
    else:
        big.append(group.iloc[0,2])

df_smb=pd.DataFrame({'date':day,'small':small,'big':big})
df_smb["smb"]=df_smb["small"]-df_smb["big"]
df_smb=df_smb[["date","smb"]]
#print(df_smb)
#df_smb.to_csv(file_place+'Quantify\\daily\\smb'+str(2019)+'.csv', header=True,index=False)

high=[]
low=[]
day=[]
for group in factor3.groupby(['date','hml_dum']):
    group=group[1]
    group["sum_m"] = group['marketvalue'].sum()
    group["ret_w"] = group['marketvalue']/group['sum_m']*group['ret']
    group["ret_group"]=group['ret_w'].sum()
    group=group[["date","hml_dum","ret_group"]]
    if group.iloc[0,1]==2:
        low.append(group.iloc[0,2])
        day.append(group.iloc[0,0])
    elif group.iloc[0,1]==0:
        high.append(group.iloc[0,2])
    else:
        continue

df_hml=pd.DataFrame({'date':day,'high':high,'low':low})
df_hml["hml"]=df_hml["high"]-df_hml["low"]
df_hml=df_hml[["date","hml"]]

#print(df_hml)
#df_hml.to_csv(file_place+'Quantify\\daily\\hml'+str(2019)+'.csv', header=True,index=False)

returndata['date']=[datetime.datetime.strptime(x,'%Y/%m/%d') for x in returndata['date']]
start_date = df_hml['date'].min()
start_date = datetime.datetime.strptime(start_date, '%Y/%m/%d')
start_date = start_date + datetime.timedelta(days=-1)
start_date = str(datetime.datetime.strftime(start_date, '%Y-%m-%d'))
end_date=str(datetime.datetime.now().strftime('%Y-%m-%d'))

##寻找大盘指数
#### 登陆系统 ####

lg = bs.login()

rs = bs.query_history_k_data_plus("sh.000001",
    "date,code,open,high,low,close,preclose,volume,amount,pctChg",
    start_date=start_date, end_date=end_date, frequency="d")
data_list = []
while (rs.error_code == '0') & rs.next():
    data_list.append(rs.get_row_data())
ret_m = pd.DataFrame(data_list, columns=rs.fields)
ret_m=ret_m[["date","close"]]
ret_m['close_down1'] = ret_m['close'].shift(periods=1)
ret_m = ret_m.dropna(axis=0, how='any')
ret_m["close"] = [math.log(float(x)) for x in ret_m["close"]]
ret_m['close_down1'] = [math.log(float(x)) for x in ret_m['close_down1']]
ret_m['ret_m'] = (ret_m['close'] - ret_m['close_down1']) * 100
ret_m['date']=[datetime.datetime.strptime(x,'%Y-%m-%d') for x in ret_m['date']]
ret_m['date']=[datetime.datetime.strftime(x,'%Y/%m/%d') for x in ret_m['date']]
print(ret_m)
# 登出系统
bs.logout()
df_3 = pd.merge(factor3,ret_m, on=['date'])
df_2 = pd.merge(df_hml,df_smb, on=['date'])
df_1 = pd.merge(df_3, df_2, on=['date'])
df_1 = df_1 [["date","code","ret","ret_m","smb","hml"]]
df_1.to_csv(file_place+'Quantify\\factor\\factor_1_2019.csv', header=True,index=False)

编辑于 12:22