Chapter · 第 274 页起
第13章 Python量化策略的因子分析
章节主张
第十三章把量化学习推进到研究层：你不再只消费指标，而开始分析哪些变量能够解释收益和轮动。
中文释读
这是整本书最接近“研究员入口”的一章，因为它在教你怎样评估一个因子，而不是怎样盲用一个因子。
收益分析、IC 分析和换手分析一起看，量化研究才开始像研究。
本章知识路线
关键论据
- 因子要分类与定义。
- 分析结果必须多维度解释。
- 因子研究和回测使用是衔接关系。
行动清单
- 先理解因子含义。
- 再看 IC、收益和换手。
- 最后回到实盘可执行性。
本章图版学习路径
图版按知识点分组，用来把理论页、平台页和代码页重新接上。
源章节深读
以下卡片基于章节和小节起始页 OCR，并补上“问题、动作、提醒”三层解读。
13.1 初识因子分析
Python 量化交易实战入门与技巧 13.1 初识因子分析 下面先来讲解一下因子的分类，然后讲解因子分析的作用。 13.1.1 因子的分类 因子在量化交易中可以分两类，分别是量化选股因子（好股票的标准） 和量化择时因子（好股票买卖的标准）。量化选股因子，大多为财务指数，如 营业利润率、销售净利率、营业收人环比增长率等；量化择时因子，大多为 技术指标，如均线、换手率、波动率等。 13.1.2 因子分析的作用 JoinQuant（聚宽）量化交易平台提供了因子分析功能，这样就方便投 资者测试自己的量化因子，相比之前只能在回测模块中一个一个测试每个指 标来说，因子分析系统规避了回测的噪声、复杂的资产配置和交易系统产生 的导致指标失真的问题。
13.2 因子分析的实现代码
Python 量化交易实战入门与技巧 13.1 初识因子分析 下面先来讲解一下因子的分类，然后讲解因子分析的作用。 13.1.1 因子的分类 因子在量化交易中可以分两类，分别是量化选股因子（好股票的标准） 和量化择时因子（好股票买卖的标准）。量化选股因子，大多为财务指数，如 营业利润率、销售净利率、营业收人环比增长率等；量化择时因子，大多为 技术指标，如均线、换手率、波动率等。 13.1.2 因子分析的作用 JoinQuant（聚宽）量化交易平台提供了因子分析功能，这样就方便投 资者测试自己的量化因子，相比之前只能在回测模块中一个一个测试每个指 标来说，因子分析系统规避了回测的噪声、复杂的资产配置和交易系统产生 的导致指标失真的问题。
13.3 因子分析的结果
第13章 Python 量化策略的因子分析 包括：change_pct（涨跌幅）、net_amount_main（主力净额）、net_pct_ main（主力净占比）、net_amount_xl（超大单净额）、net_pct_xl（超大 单净占比）、net_amount_1（大单净额）、net_pct_1（大单净占比）、net_ amount_m（中单净额）、net_pct_m（中单净占比）、net_amount_s（小 单净额）、net_pct_s（小单净占比）。 13.2.3 calc的参数及返回值 在calc 中，可以通过 data 参数获取通过 max_window 和 dependencies 定义的数据。参数 data 是一个 dict 对象，其 key 属性是 dependencies 中的 因子名称，value 属性是 pandas.DataFrame。
13.4 因子在研究和回测中的使用
Python 量化交易实战入门与技巧 圖 JoinQuant 聚宽 四子分析-5二 设置：2017-10-01 至2018-0401，1P300 枚益分析 1天换手率 =S分位教手案 换手分析 100 首贡 乳的旅路 辣點广运 新金丝理料化 辣超大書 孜荣形油 业化建缆 社区 个人系司“ 螺组因于 因于分析 垂看代码 5天换手率 翩1分长教手家 日 S分数美手家 • 图13.13 1天换手率和5天换手率 四 JoinQuant聚宽 因子分析-5之 设量：2017-10-01 至2018-04-01，i深300 10天换手辛 枚盐分析 （分析 换于分析 黄页 现的统料 類料广场 基金经理的化 黎配大素 欢期 帮助 量化評堂社区 个人系号 機捐因子 因子分析 章蠢代沿 1分位换手年 s分悦教手名 2017-11-1 •图13.14 10天换手率图表信息 13.4 因子在研究和回测中的使用 在研究以及回测中，可以通过调用 calc_f
13.5 基本面因子应用实例
Python 量化策略的因子分析 13.5 基本面因子应用实例 在浏览器的地址栏中输入“https://www.joinquant.com” ，回车，进 人JoinQuant（聚宽）量化交易平台的首页页面。 单击菜单栏中的“我的策略/ 单因子分析”命令，进入我的因子页面。
辨析题：为什么因子分析是量化学习中的一道门槛？
因为它要求你从“会用工具”转向“会研究解释变量”，这一步对思维要求更高。