多因子模型之因子（信号）测试平台----计算因子值

        近一个半月疯狂的接触多因子模型，其中对于单个因子的回测，是最熟的。而对于单个因子，或者叫做signal（这一系列文章后续都这么叫），是多因子模型的基础。当然，如果你认为，世界上没有alpha，那么只要bet style或者industry就可以了，也不需要寻找alpha。

1.我们开始的数据

这一系列的教程，我们将从一个因子开始，最简单的因子，revs10，也就是，十天收益率。这个教程，注重的是整个signal测试的框架，包含两个方面，测试的思路和软件的平台建设，而我们的因子是否好，其实不是我们关注的点。

首先，我们有好多的csv文件，一个文件对应于一个股票的交易行情数据，我们用的是daily的行情数据。

我们有好多csv文件。csv文件有一个好处就是可以增量增加。

随意打开一个csv文件，里面的内容大致如下，当然，这不是必须的，可以增加，也可以减少。注意到，其实这里的openinterest是一个没有用的记录，所有的数值都是0，当然，如果读者需要，那么可以自己加。总而言之，我们需要每个交易日有每个股票的一个记录。首先说明的是，这一系列的教程，由于仅仅是一个教程，所以我们随意选取了50个股票作为我们的选股池，也就是我们的universe，这是出于计算量大小的考虑，毕竟笔者将在自己使用多年的笔记本上完成这一系列的工作。

2.计算因子值

我们的因子叫做revs10，说白了就是十天的收益率的值。

res10(t) = close(t) / close(t - 10) - 100%

公式大概就是上面这样。

我们的所以stock的csv文件存放在price_data这个文件夹下面，所以，我们需要把因子值计算出来，然后再放到这个文件下面，笔者采用的是直接覆盖。

import pandas as pd
univers = ['000156.SZ.csv', '000157.SZ.csv', '000166.SZ.csv', '000333.SZ.csv',
           '000338.SZ.csv', '000402.SZ.csv', '000413.SZ.csv', '000415.SZ.csv',
           '000423.SZ.csv', '000425.SZ.csv', '000503.SZ.csv', '000538.SZ.csv',
           '000540.SZ.csv', '000555.SZ.csv', '000559.SZ.csv', '000568.SZ.csv',
           '000623.SZ.csv', '000625.SZ.csv', '000627.SZ.csv', '000630.SZ.csv',
           '000651.SZ.csv', '000671.SZ.csv', '000686.SZ.csv', '000709.SZ.csv',
           '000712.SZ.csv', '000718.SZ.csv', '000725.SZ.csv', '000728.SZ.csv',
           '000738.SZ.csv', '000750.SZ.csv', '000768.SZ.csv', '000776.SZ.csv',
           '000778.SZ.csv', '000783.SZ.csv', '000792.SZ.csv', '000793.SZ.csv',
           '000800.SZ.csv', '000826.SZ.csv', '000839.SZ.csv', '000858.SZ.csv',
           '000876.SZ.csv', '000895.SZ.csv', '000917.SZ.csv', '000938.SZ.csv',
           '000963.SZ.csv', '000977.SZ.csv', '000983.SZ.csv', '001979.SZ.csv',
           '002007.SZ.csv', '002008.SZ.csv']
# REVS10
for stock_file_name in univers:
    stock_data = pd.read_csv('./price_data/%s' % stock_file_name, index_col=0, parse_dates=True)
    stock_data['raw_factor'] = stock_data['close'].rolling(11).apply(lambda x: x[-1] / x[0] - 1)
    stock_data.dropna(inplace=True)
    stock_data.to_csv('./price_data/%s' % stock_file_name)

这样，我们就可以把因子值给计算出来。但是，这里存在很多的问题。

1.停牌怎么处理

2.价格数据的复权问题

3.停牌时，所谓的十天收益率的十天怎么定义？包含十个交易日还是，把停牌也计入十天？

这些都是存在争论的问题。对于第二个问题，其实有一个比较曲线救国，避免股票价格复权的问题，就是尽可能用daily return来算。譬如，计算十日收益率，我们不用上面笔者程序里面这样价格的计算方法，而是用十天的return累计相乘。

        其实，多因子模型的第一步就是这么简单。当然，这个因子是最简单的一个因子了，别的因子会用到别的数据，无论如何，核心的一步就是，千方百计计算好你的因子值，然后存下来。