量子化取引実戦の市場価値中性化選株

pandas、numpyなど、当社のプラットフォームでサポートされているサードパーティ製pythonモジュールを自分でimportできます.
1.市場価値と市場純率因子データの取得
因子:極値、標準化、中性化処理
2.選択した株式プール(方向の重みによる)
市場純率の小さい株
from sklearn.linear_model import LinearRegression
この方法では任意の初期化ロジックを記述する.contextオブジェクトは、アルゴリズムポリシーの任意の方法の間で伝達されます.
def init(context):

scheduler.run_weekly(get_data, tradingday=1)
scheduler.run_weekly(trade, tradingday=1)

def get_data(context, bar_dict):

#            
q = query(
    fundamentals.eod_derivative_indicator.pb_ratio,
    fundamentals.eod_derivative_indicator.market_cap
).order_by(
    fundamentals.eod_derivative_indicator.pb_ratio
)
fund = get_fundamentals(q)
#   
context.fund = fund.T
#   fund  
# logger.info(fund.T)
#          ,    ,    
treat_data(context)
#           [PayPal](https://www.gendan5.com/wallet/PayPal.html)(        )
context.stock_list = context.fund["pb_ratio"][
    context.fund["pb_ratio"] <= context.fund["pb_ratio"].quantile(0.05)  #   5%
].index
#     
logger.info(context.stock_list)
logger.info(context.stock_list.shape)

def treat_data(context):

"""
         
"""
#   NaN
context.fund = context.fund.dropna()
#            
context.fund["pb_ratio"] = mad(context.fund["pb_ratio"])
context.fund["pb_ratio"] = stand(context.fund["pb_ratio"])
#     
logger.info(context.fund.shape)
#      ,            
#    :   
#    :      
x = context.fund["market_cap"].values.reshape(-1, 1)
y = context.fund["pb_ratio"]
#       ,      
lr = LinearRegression()
lr.fit(x, y)
y_predict = lr.predict(x)
#     
context.fund["pb_ratio"] = y - y_predict

before_tradingこの関数は、毎日のポリシー取引が開始される前に呼び出され、当日に1回のみ呼び出されます.
def before_trading(context):

pass

選択した証券のデータ更新は、日または分の履歴データスライスやリアルタイムデータスライス更新などの論理をトリガーします.
def handle_bar(context, bar_dict):

# TODO:          ！
pass

after_trading関数は毎日取引が終了した後に呼び出され、当日に1回しか呼び出されません.
def after_trading(context):

pass

def trade(context, bar_dict):

# ----------------  ----------------
for stock in context.portfolio.positions.keys():
    #          
    if stock not in context.stock_list:
        order_target_percent(stock, 0)
# ----------------  -----------------
weight = 1.0 / len(context.stock_list)
for stock in context.stock_list:
    order_target_percent(stock, weight)

ぜったいへんさ
import numpy as npdef mad(factor):

"""
3       
"""
#          
med = np.median(factor)
#             ,      
mad = np.median(abs(factor - med))
#            
high = med + (3 * 1.4826 * mad)
low = med - (3 * 1.4826 * mad)
#          
factor = np.where(factor > high, high, factor)
factor = np.where(factor < low, low, factor)
return factor

標準化
def stand(factor):

"""
      
"""
mean = factor.mean()
std = factor.std()
return (factor - mean) / std