Alphalens

Alphalens是什么？

Alphalens是一个Python包，用于对阿尔法因子进行性能分析。Alpha因子表示一些给定的信息和未来的回报之间的预测关系。通过将这种关系应用于多个股票，能够产生阿尔法信号，然后从中交易。开发一个好的alpha信号是很有挑战性的，那么用Alphalens能让事情变得更简单，因为一套用于分析alpha因素的常用工具会对量化交易产生很大的影响。通过Alphalens分析你在研究中的因素，你可以花更少的时间来写和运行回测。因此，这允许更快的思想迭代，以及最终的算法，您可以对它有信心。Alphalens建立了一个严格的工作流程，将使你的策略更有活力，更不容易过度拟合。

Alphalens提供了什么功能？

1. 收益分析（Returns Analysis）
2. 信息系数（Information Coefficient Analysis）
3. 换手率分析（Turnover Analysis）
4. 板块分析（Sector Analysis）

数据格式：

factor: DataFrame.stack()
prices: DataFrame

常用代码：

import alphalens
def get_clean_factor_and_forward_returns(factor,
                                         prices,
                                         groupby=None,
                                         by_group=False,
                                         quantiles=5,
                                         bins=None,
                                         periods=(1, 5, 10),
                                         filter_zscore=20,
                                         groupby_labels=None):
#计算因子表
factor_data = alphalens.utils.get_clean_factor_and_forward_returns(factor, prices, quantiles=5, period=(10))
#求Quantile的均值与标准差
mean_return_by_q, std_err_by_q = alphalens.performance.mean_return_by_quantile(factor_data, by_date=True)
#求IC相关
ic = alphalens.performance.factor_information_coefficient(factor_data)
mean_monthly_ic = alphalens.performance.mean_information_coefficient(factor_data, by_time='M')

import matplotlib.pyplot as plt
# 图形可视化
alphalens.plotting.plot_cumulative_returns_by_quantile(mean_return_by_q, 10)
alphalens.plotting.plot_cumulative_returns(mean_return_by_q.iloc[:,0], period=1)
alphalens.plotting.plot_ic_hist(ic)
alphalens.plotting.plot_monthly_ic_heatmap(mean_monthly_ic)
plt.show()

官方文档： http://quantopian.github.io/alphalens/
Github: https://github.com/quantopian/alphalens
大鱼案例： https://github.com/ChannelCMT/QS/tree/master/Class_1_Alpha