因子分析模块功能介绍

Help on function load_data in module smartbeta.factor_analyst:

load_data(self, factor_name, from_dt, to_dt, tickers=None, industry_group=[], sw_level=1, factor_parameters={})
    读取因子以及回报数据，转化成可供分析的格式。在调用分析方法前，必须先调用此方法读取数据。
    @param factor_name: string, 需要分析的因子名称
    @param from_dt: string, 分析开始的时间，格式'20170101'
    @param to_dt: string,分析结束的时间，格式'20170101'
    @param tickers: '指数'或个股数组，默认为None表示选取全A股票，如此项设为None并设置一个industry_group则分析全A中的此版块
    @param industry_group: array, 需要分析申万版块名称，如［‘申万银行’，'申万非银金融'］，该参数必须存在申万行业分类中， 与sw_level参数一致，
                           默认为空数组，表示全部tickers参数范围。
    @param sw_level: int, 表示industry_group所在的申万行业分类级数。
                     1 为申万一级分类， 2为二级分类，3为三级分类，

loading roegrowth1 from cache, time cost 0.71s
加载行情数据

Help on function analysis in module smartbeta.factor_analyst:

analysis(self, quantiles=5, forward_periods=(1, 5, 22), filter_zscore=10)
    调用此方法来设置需要分析的因子排名分组个数quantiles以及观测周期forward_periods
    @param quantiles:(int) 因子排名分组个数
    @param forward_periods:(tuple)观测周期
    @return: (DataFrame)因子分组收益表

生成因子与预期收益表...

Help on function analy_quantile_return in module smartbeta.factor_analyst:

analy_quantile_return(self, plot=True, by_group=False, demeaned=True)
    分析不同quantile在不同观测时段的收益分布，在调用该方法前，必须先调用analysis方法设置因子分组quantile。
    @param plot: bool 是否plot图形
    @param by_group: 是否对行业分组分析
    @param demeaned: 是否进行去平均数调整
    @return: (DataFrame)不同quantile不观测时段的平均收益表

Help on function analy_quantile_returns_violin in module smartbeta.factor_analyst:

analy_quantile_returns_violin(self, plot=True, demeaned=True)
    分析不同quantile在不同观测时段的收益分布,violin图,在调用该方法前，必须先调用analysis方法设置因子分组quantile
    @param by_group: 是否对行业分组分析
    @param demeaned: 是否进行去平均数调整
    @return: (DataFrame)分析不同quantile在不同观测的日均收益表

Help on function analy_cumulative_returns_by_quantile in module smartbeta.factor_analyst:

analy_cumulative_returns_by_quantile(self, plot=True, forward_periods=[1], demeaned=True)
    不同quantile在同一个观测周期的收益分析(line chart),在调用该方法前，必须先调用analysis方法设置因子分组quantile
    @param forward_periods: 向后观测周期, 元素必须出现在
    @param by_group: 是否对行业分组分析
    @param demeaned: 是否进行去平均数调整
    @return: (DataFrame)不同quantile在同一个观测周期的日均收益表

Help on function analy_quantile_returns_spread_time_series in module smartbeta.factor_analyst:

analy_quantile_returns_spread_time_series(self, plot=True, lower_quant=1, upper_quant=5)
    不同quantile在单个观测周期的日收益分析－最高百分位收益减去最低百分位收益（spreading）, 在调用该方法前，必须先调用analysis方法设置因子分组quantile
    @param plot: 是否plot图表
    @param lower_quant: 需要分析的最小quantile
    @param lower_quant: 需要分析的最大quantile
    @return: (DataFrame)不同quantile的日收益数据表

Help on function analy_ic in module smartbeta.factor_analyst:

analy_ic(self, plot=True)
    IC分析, 在调用该方法前，必须先调用analysis方法设置因子分组quantile
    @param plot: 是否打印图表
    @return: (DataFrame)表示ic值的日数据表

Help on function get_sw_industry in module data_provider.datafeed.universe:

get_sw_industry(self, trading_day)
    获取申万行业分类
    :param trading_day: 字符串格式的日期, datetime or int格式日期
    :return:  pd.DataFrame 包含列：
        securityId  swIndustryLv1   swIndustryLv2   swIndustryLv3
        swIndustrycodeLv1   swIndustrycodeLv2   swIndustrycodeLv3 time