【原】量化交易平台重构：选股因子篇

之前简单介绍的因子择时，主要是计算价格指标，比如N天走势突破，还可以是均线指标金叉等等。

另外一个很重要的维度是因子选股。选择一个好的股票是前提，在这个基础上择时才对。

择时的运算逻辑是，在fit_day函数里，调用process_factors。这里会对universe股票集合里的每支股票，都对所有的factor进行运算。择时是只要一个因子触发，就会产生信号。因子之间是OR的关系。

选股逻辑则相反，只要有一个因子投了反对票，则这支股票出局，不在选择范围，也就是因子之间是AND的关系。

def __process_pick_stock_factors(self,date):
    new_universe = []
    for symbol in self.universe:
        b_pick = True
        for factor in self.pick_stock_factors:
            if factor.fit_day(symbol,date) == False:
                b_pick = False
                break
        if b_pick:
            new_universe.append(symbol)
    self.universe = new_universe

def calc_regress_deg(y, show=True):
    """
    将y值 zoom到与x一个级别，之后再fit出弧度转成角度
    1 多个股票的趋势比较提供量化基础，只要同一个时间范围，就可以比较
    2 接近视觉感受到的角度
    :param y:  可迭代序列
    :param show: 是否可视化结果
    :return: deg角度float值
    """
    # 将y值 zoom到与x一个级别
    model, _ = regress_y(y, mode=True, zoom=True, show=show)
    rad = model.params[1]
    # fit出弧度转成角度
    deg = np.rad2deg(rad)
    return deg

一个按照角度的选股因子就OK了。

from .factor_base import FactorBase
from ..utils import *

class FactorPickRegressAngle(FactorBase):
    def __init__(self, context, **kwargs):
        super(FactorPickRegressAngle,self).__init__(context,**kwargs)

    def fit_day(self,symbol,date):
        # 计算走势角度
        ang = calc_regress_deg(kl_pd.close, show=False)
        # 根据参数进行角度条件判断
        min = 20
        max = 60
        if min < ang < max:
            return True
        return False

这里还是技术型选股，当然可以实现基本面选股，比如市值，PE，PE，PS，还有各种财务指标，比如盈利能力，成长能力等。