因子与技术分析

基础策略写熟后，进阶方向有两条路：一是多因子选股，用因子表达式挖掘有效的选股指标；二是技术指标信号，用类通达信公式在策略内生成买卖信号。米筐对这两条路都提供了完整的工具链。

一、因子表达式基础

米筐因子系统用 Python 表达式定义因子，核心是 Factor() 引用基础因子，再用算子组合变换：

from rqfactor import *

# 收盘价与开盘价之差，除以最高价与最低价之差
f = (Factor('close') - Factor('open')) / (Factor('high') - Factor('low'))

因子分两类：

基础因子：直接来源于行情或财报，如 Factor('close')、Factor('pe_ratio')。
复合因子：基础因子经算子变换组合而成，上面例子就是一个复合因子。

复合因子又分横截面因子（用到 RANK、CS_ZSCORE 等横截面算子，因子值依赖整个股票池）和非横截面因子（只依赖个股自身时间序列）。

二、可引用的因子与算子

行情因子：open / close / high / low / volume / total_turnover / num_trades。

财务因子：pe_ratio（市盈率）、pb_ratio（市净率）、revenue（营收）、return_on_equity（ROE）等，可通过 get_factor 的因子名查询。

alpha101 因子：直接用 Factor('alpha001') 等引用。

技术指标：用 Factor('macd') 引用，或导入后带参数调用：

from rqfactor.indicators import KDJ
def compute():
    return KDJ(9, 3, 3).K

工具函数（算子）

时间序列算子（TS_ 前缀或无前缀）作用于个股自身序列：

算子	含义
`MA(X, N)` / `EMA(X, N)`	简单/指数移动平均
`REF(X, N)`	N 个交易日前的值
`HHV(X, N)` / `LLV(X, N)`	N 日内最高/最低
`STD(X, N)` / `VAR(X, N)`	标准差/方差
`DELTA(X, N)` / `PCT_CHANGE(X, N)`	差分/变化率
`CORR(X, Y, N)` / `COV(X, Y, N)`	相关系数/协方差
`TS_ZSCORE(X, N)`	时间序列标准化
`CROSS(A, B)`	A 上穿 B（金叉）
`IF(X, A, B)`	条件取值

横截面算子（CS_ 前缀）作用于整个股票池：

算子	含义
`RANK(X)`	横截面排序占比
`CS_ZSCORE(X)`	横截面标准化
`DEMEAN(X)`	减去股票池均值
`INDUSTRY_NEUTRALIZE(X)`	行业中性化
`TOP(X, threshold=N)`	取最大的 N 个为 1
`QUANTILE(X, bins=5)`	分组

因子表达式中逻辑与用 &、逻辑或用 |，且条件需加括号：(CLOSE > 10) & (VOLUME > 100)。

三、因子检验

写好因子后，用 factor_analysis 做多维度检验，评估其选股能力：

from rqfactor import *
from rqfactor.notebook import *

f = Factor('close')
df = execute_factor(f, index_components('000300.XSHG', '20170101'), '20170101', '20170601')
result = factor_analysis(df, 5)   # 调仓周期 5 个交易日
result.show()                     # 图形化展示

可设置的检验参数：股票池、基准、起止日期、调仓周期、因子方向（升序/降序）、分组数、离群值处理（MAD/3σ/百分位）、行业中性化、是否含 ST/新股。

检验结果

IC 分析：信息系数反映因子对下期收益的预测能力。关键看 IR（IC 均值/标准差）、显著比例、IC 衰减率（预测周期长短）。
收益率分析：因子分组累积收益率（多空分化度）、分组换手率。

NormalIC 用因子值算相关系数，RankIC 用排名算，对离群值更稳健。一般 RankIC 更常用。

四、自定义算子与基础因子

内置算子不够用时，可自定义。以指数加权均线为例：

import numpy as np
from rqfactor.utils import rolling_window
from rqfactor.rolling import RollingWindowFactor

def my_ema(series, window):
    q = 0.5 ** (1 / 22)   # 半衰期 22 个交易日
    weight = np.array(list(reversed([q ** i for i in range(window)])))
    r = rolling_window(series, window)
    return np.dot(r, weight) / window

def MY_EMA(f, window):
    return RollingWindowFactor(my_ema, window, f)

横截面算子用 UnaryCrossSectionalFactor，自定义基础因子（如日内波动率）用 UserDefinedLeafFactor——后者让你接入任意外部数据作为因子材料。

五、策略内技术指标信号

除了因子研究模块，策略代码内也能用类通达信公式做技术分析。核心三步：定义指标函数 → reg_indicator 注册 → get_indicator 取值。

def MA_SIGNAL():
    # 5 周期均线上穿 10 周期均线
    return CROSS(MA(CLOSE, 5), MA(CLOSE, 10))

def init(context):
    context.s1 = '000001.XSHE'
    # 注册指标：名称、函数、周期、回溯窗口
    reg_indicator('ma_cross', MA_SIGNAL, '1d', win_size=20)

def handle_bar(context, bar_dict):
    signal = get_indicator(context.s1, 'ma_cross')
    if signal:
        order_percent(context.s1, 0.1)

系统预定义了 MACD、KDJ、RSI、BOLL、WR、DMI、BIAS、ASI、VR、ARBR、DPO、TRIX 等指标，行情变量 CLOSE/OPEN/HIGH/LOW/VOLUME 直接可用，工具函数 MA/EMA/HHV/LLV/CROSS/EVERY/COUNT/IF 与通达信高度一致。

技术指标计算不含当前「不完整」分钟线。例如 09:48 计算 5 分钟线指标时，不含 09:45~09:48 这段未合成完的 bar。

小结

因子用 Factor() + 算子表达式定义，分横截面和非横截面两类。
时间序列算子（MA/REF/HHV/CORR）作用于个股，横截面算子（RANK/CS_ZSCORE/INDUSTRY_NEUTRALIZE）作用于股票池。
factor_analysis 做 IC 分析和收益率分析，RankIC 比NormalIC 更稳健。
自定义算子用 RollingWindowFactor / UnaryCrossSectionalFactor，自定义基础因子用 UserDefinedLeafFactor。
策略内技术指标用 reg_indicator + get_indicator，预定义指标与通达信函数风格一致。

至此，米筐从平台入门、策略 API、数据与交易、回测模拟到因子技术分析形成完整闭环——左侧导航可随时回查任一章节。