Alphalens 是一个 Python 库，用于预测（alpha）股票因子的表现分析。Alphalens 可以与 Zipline 和 Pyfolio 配合使用，后者提供金融投资组合的表现和风险分析。
Alphalens 的主要功能是显示有关 alpha 因子的最相关统计数据和图表，包括：
- 回报分析
- 信息系数分析
- 成交量分析
- 分组分析
入门
有了信号和定价数据，创建一个因子 "tear sheet"是一个两步过程。
import alphalens # Ingest and format data factor_data = alphalens.utils.get_clean_factor_and_forward_returns(my_factor, pricing, quantiles=5, groupby=ticker_sector, groupby_labels=sector_names) # Run analysis alphalens.tears.create_full_tear_sheet(factor_data)
安装
使用 pip 安装：
pip install alphalens
使用 conda 安装：
conda install -c conda-forge alphalens
从 Alphalens 仓库的 master 分支安装（开发代码）：
pip install git+https://github.com/quantopian/alphalens
Alphalens 依赖于：
-
4、因子分析工具-Alphalens 官网说明书 收益率分析 Returns Analysis 信息IC分析 Information Coefficient Analysis 换手率分析 Turnover Analysis 分组分析 Grouped Analysis 4.1 alphalens的数据结构 处理之前需要 准备因子数据、价格数据、行业分组数据 alphalens.util alphal
-
Alphalens 的基本情况 Quantopian是国外著名的量化交易平台，早期聚宽就是仿照这个网站开发的，算是这类平台的鼻祖了，可惜Quantopian最近刚宣布要停止运营了。Quantopian开发了许多优秀的开源项目，其中比较著名的有zipline、pyfolio和alphalens，zipline是事件驱动的回测引擎，Alphalens与Zipline开源回溯测试库以及Pyfolio配合
-
报告摘要:Alphalens是一款Python 的工具包,是 Quantopian 公司旗下三大开源包之一,另外两个分别是Zipline 和Pyfolio。Alphalens 因其简单易用而又稳定科学的优势被广泛的量化分析师所青睐。本文主要介绍Alphalens 的回测框架,提纲挈领地介绍了其中四个功能:因子收益、因子IC、因子换手以及事件研究。 在进行Alphalens 的使用之前,需要先对先对
-
【研究报告内容摘要】 报告摘要:Alphalens是一款Python 的工具包,是 Quantopian 公司旗下三大开源包之一,另外两个分别是Zipline 和Pyfolio。Alphalens 因其简单易用而又稳定科学的优势被广泛的量化分析师所青睐。本文主要介绍Alphalens 的回测框架,提纲挈领地介绍了其中四个功能:因子收益、因子IC、因子换手以及事件研究。 在进行Alphalens 的
-
前言 平时主要关注tick、分钟频，今天偶然做一些日频的工作，便直接参考了东北证券的研报《Alphalens使用教程》（2017-12-06）。 下文的示例中使用的模拟数据，将使用的数据转换成类似的格式即可。 示例中使用alphalens版本是0.4.0 示例 # -*- coding: utf-8 -*- # @Time ：2021/9/18 13:26 # @Author ：百
-
我需要告诉用户对我的网站使用的浏览器。（编辑：用户需要添加书签，这在标准的“互联网”浏览器上是不可能的。我需要知道要向他们显示什么消息。） 我不需要任何类型的浏览器。具体来说，在这种情况下，我需要能够检测浏览器是否真的是Google Chrome浏览器。 对于至少一个智能设备，我很难区分股票“互联网”浏览器和Chrome；两者都包含“Chrome”这个词。 三星galaxy s5： 股票浏览器用户
-
本文向大家介绍使用python爬虫实现网络股票信息爬取的demo，包括了使用python爬虫实现网络股票信息爬取的demo的使用技巧和注意事项，需要的朋友参考一下 实例如下所示： 优化并且加入进度条显示 以上这篇使用python爬虫实现网络股票信息爬取的demo就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持呐喊教程。
-
本文向大家介绍python用线性回归预测股票价格的实现代码，包括了python用线性回归预测股票价格的实现代码的使用技巧和注意事项，需要的朋友参考一下 线性回归在整个财务中广泛应用于众多应用程序中。在之前的教程中，我们使用普通最小二乘法（OLS）计算了公司的beta与相对索引的比较。现在，我们将使用线性回归来估计股票价格。 线性回归是一种用于模拟因变量（y）和自变量（x）之间关系的方法。通过简单的
-
A股 股票市场总貌 上海证券交易所 接口: stock_sse_summary 目标地址: http://www.sse.com.cn/market/stockdata/statistic/ 描述: 上海证券交易所-股票数据总貌 限量: 单次返回最近交易日的股票数据总貌数据(当前交易日的数据需要交易所收盘后统计) 输入参数 名称 类型 必选 描述 - - - - 输出参数-实时行情数据 名称 类型
-
本文向大家介绍php基于curl实现的股票信息查询类实例，包括了php基于curl实现的股票信息查询类实例的使用技巧和注意事项，需要的朋友参考一下 本文实例讲述了php基于curl实现的股票信息查询类。分享给大家供大家参考，具体如下： 股票信息查询功能我们是需要抓取第三方的数据,然后我们再把这些数据进行分析组成自己想要的,下面我们来看一个php 股票信息查询类. 今天一个二逼朋友让我帮忙写个股票查
-
第十部分 因子分析（Factor analysis） 如果有一个从多个高斯混合模型（a mixture of several Gaussians）而来的数据集 $x^{(i)} \in R^n$ ，那么就可以用期望最大化算法（EM algorithm）来对这个混合模型（mixture model）进行拟合。这种情况下，对于有充足数据（sufficient data）的问题，我们通常假设可以从数据中