Functions — github.com/JoinQuant/jqfactor_analyzer

CodeHub MCPcopy Create free account

hub / github.com/JoinQuant/jqfactor_analyzer / functions

Functions218 in github.com/JoinQuant/jqfactor_analyzer

⨍ Functions 218◇ Types & classes 22

↓ 1 callersFunctionneutralize

中性化 data: pd.Series/pd.DataFrame, 待中性化的序列, 序列的 index/columns 为股票的 code how: str list. 中性化使用的因子名称列表. 默认为 ['jq_l1', 'market_cap'], 支持的中性化方法有:

jqfactor_analyzer/preprocess.py:230

↓ 1 callersFunctionplotting_context

(context='notebook', font_scale=1.5, rc=None)

jqfactor_analyzer/plot_utils.py:32

↓ 1 callersFunctionquantile_turnover

计算当期在分位数中的因子不在上一期分位数中的比例 Parameters ---------- quantile_factor : pd.Series 包含日期, 资产, 和因子分位数的 DataFrame. quantile : int

jqfactor_analyzer/performance.py:387

↓ 1 callersMethodquantile_turnover

换手率分析返回值一个 dict, key 是 period, value 是一个 DataFrame(index 是日期, column 是分位数)

jqfactor_analyzer/analyze.py:862

↓ 1 callersFunctionrethrow

重新抛出当前作用域中的最后一个异常, 保留堆栈信息, 并且在报错信息中添加其他内容

jqfactor_analyzer/exceptions.py:7

↓ 1 callersFunctionrolling_apply

( x, window, func, min_periods=None, freq=None, center=False, args=None, kwarg

jqfactor_analyzer/compat.py:14

↓ 1 callersFunctionset_cache_dir

设置缓存目录

jqfactor_analyzer/factor_cache.py:34

↓ 1 callersFunctionstandardlize

(data, inf2nan=True, axis=1)

jqfactor_analyzer/preprocess.py:158

↓ 1 callersFunctionvalid_index

jqfactor_analyzer/preprocess.py:278

↓ 1 callersFunctionweighted_mean_return

计算(年化)加权平均/标准差

jqfactor_analyzer/performance.py:263

↓ 1 callersFunctionwinsorize

(data, scale=None, range=None, qrange=None, inclusive=True, inf2nan=True, axis=1)

jqfactor_analyzer/preprocess.py:18

↓ 1 callersFunctionwinsorize_med

(data, scale=1, inclusive=True, inf2nan=True, axis=1)

jqfactor_analyzer/preprocess.py:98

(self, factor, prices, groupby=None, weights=1.0, quantiles=None, bins=None, periods=(1, 5, 1

jqfactor_analyzer/analyze.py:235

参数 ---------- weights: 持仓权重信息, index 是日期, columns 是标的代码, value 对应的是当天的仓位占比 (单日仓位占比总和不为 1 时, 剩余部分认为是当天的现金)

jqfactor_analyzer/attribution.py:61

数据接口, 用于因子分析获取数据参数 ---------- price : 使用开盘价/收盘价计算收益 (请注意避免未来函数), 默认为 'close' - 'close': 使用当日收盘价和次日收盘价计算当日因子的远期收益

jqfactor_analyzer/data.py:16

Method_factor_quantile

jqfactor_analyzer/analyze.py:308

Method_get_average_weights

(self, securities, start_date, end_date)

jqfactor_analyzer/data.py:421

Method_get_cached_mkt_cap_by_valuation

市值处理函数, 将获取的市值数据缓存到本地

jqfactor_analyzer/data.py:332

Method_get_circulating_market_cap

(self, securities, start_date, end_date, ln=False)

jqfactor_analyzer/data.py:416

Method_mean_return_by_date

jqfactor_analyzer/analyze.py:685

(values, weights)

jqfactor_analyzer/performance.py:267

Functionanalyze_factor

单因子分析输入: factor: pandas.DataFrame: 因子值, columns 为股票代码 (如 '000001.XSHE'), index 为日期的 DatetimeI

jqfactor_analyzer/__init__.py:11

jqfactor_analyzer/data.py:167

jqfactor_analyzer/data.py:445

Methodattr_daily_returns

jqfactor_analyzer/attribution.py:222

Methodattr_returns

jqfactor_analyzer/attribution.py:229

Functionattribution_analysis

归因分析用户需要提供的数据: 1. 日度股票持仓权重 (加总不为 1 的剩余部分视为现金) 2. 组合的的日度收益率 (使用 T 日持仓盘后的因子暴露与 T+1 日的收益进行归因分析) 组合风格因子暴露 (含行业, country) = sum(组合权重 * 个

jqfactor_analyzer/__init__.py:51

(self, username='', password='')

jqfactor_analyzer/data.py:159

Functionaverage_cumulative_return

(q_fact, demean_by)

jqfactor_analyzer/performance.py:499

Methodcalc_autocorrelation_n_days_lag

滞后1-n天因子值自相关性参数: n: 滞后1天到n天的因子值自相关性 rank: - True: 秩相关系数 - False: 普通相关系数

jqfactor_analyzer/analyze.py:571

Methodcalc_ic_mean_n_days_lag

滞后 0 - n 天因子收益信息比率(IC)的均值滞后 n 天 IC 表示使用当日因子值和滞后 n 天的因子收益计算 IC 参数: n: 滞后0-n天因子收益的信息比率(IC)的均值 group_adjust: -

jqfactor_analyzer/analyze.py:613

Methodcalc_quantile_turnover_mean_n_days_lag

各分位数滞后1天到n天的换手率均值参数: n: 滞后 1 天到 n 天的换手率

jqfactor_analyzer/analyze.py:550

Functioncall_w_context

(*args, **kwargs)

jqfactor_analyzer/plot_utils.py:16

Methodclean_factor_data

jqfactor_analyzer/analyze.py:304

Functioncompute_mean_returns_spread

计算两个分位数的平均收益之差, 和(可选)计算此差异的标准差参数 ---------- mean_returns : pd.DataFrame 各分位数因子远期收益均值 upper_quant : int 作为被减数的因子

jqfactor_analyzer/performance.py:344

Methodcreate_event_returns_tear_sheet

因子预测能力分析参数: avgretplot: tuple 因子预测的天数 -(计算过去的天数, 计算未来的天数) demeaned: 详见 calc_mean_return_by_quantile 中 demean

jqfactor_analyzer/analyze.py:1403

Methodcreate_full_tear_sheet

全部分析参数: demeaned: - True：使用超额收益计算 (基准收益被认为是每日所有股票收益按照weight列中权重加权的均值) - False：不使用超额收益 group_adjust:

jqfactor_analyzer/analyze.py:1439

Methodcreate_information_tear_sheet

因子 IC 分析参数: group_adjust: - True: 使用行业中性收益 (行业收益被认为是每日各个行业股票收益按照weight列中权重的加权的均值) - False: 不使用行业中性收益 by_grou

jqfactor_analyzer/analyze.py:1370

Methodcreate_returns_tear_sheet

因子值特征分析参数: demeaned: 详见 calc_mean_return_by_quantile 中 demeaned 参数 - True: 使用超额收益计算 (基准收益被认为是每日所有股票收益按照weight列中权重加权的

jqfactor_analyzer/analyze.py:1324

Methodcreate_summary_tear_sheet

因子值特征分析参数: demeaned: - True: 对每日因子收益去均值求得因子收益表 - False: 因子收益表 group_adjust: - True: 按行业对因子收益去均值后求得因子

jqfactor_analyzer/analyze.py:1306

Methodcreate_turnover_tear_sheet

因子换手率分析参数: turnover_periods: 调仓周期

jqfactor_analyzer/analyze.py:1391

Methodcumulative_return_by_quantile

jqfactor_analyzer/analyze.py:881

Functioncustomize

jqfactor_analyzer/plot_utils.py:13

(*args, **kwargs)

jqfactor_analyzer/exceptions.py:35

Functiondecorator

jqfactor_analyzer/utils.py:30

Methodfactor_cn_name

jqfactor_analyzer/attribution.py:164

Functionfunc_wrapper

(*args, **kwargs)

jqfactor_analyzer/utils.py:32

Methodget_groupby

(self, securities, start_date, end_date)

jqfactor_analyzer/data.py:324

Methodget_mkt_cap

(s, date, field)

jqfactor_analyzer/data.py:363

Methodget_mkt_cap_cache

(s, date, field)

jqfactor_analyzer/data.py:371

Methodget_prices

(self, securities, start_date=None, end_date=None, period=None)

jqfactor_analyzer/data.py:260

Methodget_weights

(self, securities, start_date, end_date)

jqfactor_analyzer/data.py:424

IC 分析, 日度 ic 返回 DataFrame, index 是时间, column 是 period 的值 (1, 5, 10)

jqfactor_analyzer/analyze.py:841

Methodic_by_group

jqfactor_analyzer/analyze.py:849

Methodic_monthly

jqfactor_analyzer/analyze.py:854

Functionignore_warning

过滤 warnings

jqfactor_analyzer/utils.py:28

Functionlist_to_tuple_converter

jqfactor_analyzer/factor_cache.py:66

Methodmean_return_by_date

jqfactor_analyzer/analyze.py:695

Methodmean_return_by_group

分行业的分位数收益返回值: MultiIndex 的 DataFrame index 分别是分位数、行业名称, column 是 period (1, 5, 10)

jqfactor_analyzer/analyze.py:712

Functionmean_return_by_quantile

计算各分位数的因子远期收益均值和标准差参数 ---------- factor_data : pd.DataFrame - MultiIndex 一个 DataFrame, index 为日期 (level 0) 和资产(level 1) 的 M

jqfactor_analyzer/performance.py:292

Methodmean_return_spread_by_quantile

jqfactor_analyzer/analyze.py:740

Methodmean_return_spread_std_by_quantile

jqfactor_analyzer/analyze.py:745

Methodmean_return_std_by_date

jqfactor_analyzer/analyze.py:700

Methodmean_return_std_by_group

jqfactor_analyzer/analyze.py:729

Methodmean_return_std_by_quantile

收益分析用来画分位数收益的柱状图返回 pandas.DataFrame, index 是 factor_quantile, 值是(1, 2, 3, 4, 5), column 是 period 的值 (1, 5, 10)

jqfactor_analyzer/analyze.py:667

Functionnon_unique_bin_edges_error

捕获 pd.qcut 的异常, 添加提示信息并报错

jqfactor_analyzer/exceptions.py:20

Functionplot_cumulative_returns

(factor_returns, period=1, overlap=True, ax=None)

jqfactor_analyzer/plotting.py:542

Functionplot_cumulative_returns_by_quantile

( quantile_returns, period=1, overlap=True, ax=None )

jqfactor_analyzer/plotting.py:582

Methodplot_disable_chinese_label

关闭中文图例显示画图时默认会从系统中查找中文字体显示以中文图例如果找不到中文字体则默认使用英文图例当找到中文字体但中文显示乱码时, 可调用此 API 关闭中文图例显示而使用英文

jqfactor_analyzer/analyze.py:1521

Methodplot_disable_chinese_label

关闭中文图例显示画图时默认会从系统中查找中文字体显示以中文图例如果找不到中文字体则默认使用英文图例当找到中文字体但中文显示乱码时, 可调用此 API 关闭中文图例显示而使用英文

jqfactor_analyzer/attribution.py:489

Functionplot_events_distribution

(events, num_days=5, full_dates=None, ax=None)

jqfactor_analyzer/plotting.py:702

Methodplot_events_distribution

画有效因子数量统计图参数: num_days: 统计间隔天数

jqfactor_analyzer/analyze.py:1294

Methodplot_exposure

绘制风格暴露 factors: 绘制的暴露类型 , 可选 'style'(所有风格因子), 'industry'(所有行业因子), 也可以传递一个list, list 为 exposure_portfolio 中 columns 的一个或者多个 index_symbo

jqfactor_analyzer/attribution.py:358

Methodplot_exposure_and_returns

将因子暴露与收益同时绘制在多个子图上 factors: 绘制的暴露类型, 可选 'style'(所有风格因子) , 'industry'(所有行业因子), 也可以传递一个 list, list为 exposure_portfolio 中 columns 的一个或者多个

jqfactor_analyzer/attribution.py:419

Functionplot_factor_rank_auto_correlation

( factor_autocorrelation, period=1, ax=None )

jqfactor_analyzer/plotting.py:441

Functionplot_ic_by_group

(ic_group, ax=None)

jqfactor_analyzer/plotting.py:427

Functionplot_ic_hist

jqfactor_analyzer/plotting.py:143

Methodplot_ic_hist

画信息比率分布直方图参数: group_adjust: - True: 使用行业中性收益 (行业收益被认为是每日各个行业股票收益按照weight列中权重的加权的均值) - False: 不使用行业中性收益 metho

jqfactor_analyzer/analyze.py:980

Functionplot_ic_qq

(ic, theoretical_dist=stats.norm, ax=None)

jqfactor_analyzer/plotting.py:183

Functionplot_ic_ts

jqfactor_analyzer/plotting.py:93

Functionplot_information_table

(ic_data, return_df=False)

jqfactor_analyzer/plotting.py:61

Functionplot_mean_quantile_returns_spread_time_series

( mean_returns_spread, std_err=None, bandwidth=1, ax=None )

jqfactor_analyzer/plotting.py:356

Functionplot_missing_events_distribution

( events, num_days=5, full_dates=None, ax=None )

jqfactor_analyzer/plotting.py:744

Functionplot_monthly_ic_heatmap

(mean_monthly_ic, ax=None)

jqfactor_analyzer/plotting.py:494

Functionplot_quantile_average_cumulative_return

( avg_cumulative_returns, by_quantile=False, std_bar=False, ax=None, periods_before='',

jqfactor_analyzer/plotting.py:615

Functionplot_quantile_returns_bar

( mean_ret_by_q, by_group=False, ylim_percentiles=None, ax=None )

jqfactor_analyzer/plotting.py:225

Functionplot_quantile_returns_violin

(return_by_q, ylim_percentiles=None, ax=None)

jqfactor_analyzer/plotting.py:305

Functionplot_quantile_statistics_table

(factor_data, return_df=False)

jqfactor_analyzer/plotting.py:79

Methodplot_returns

绘制归因分析收益信息 factors: 绘制的暴露类型, 可选 'style'(所有风格因子), 'industry'(所有行业因子), 也可以传递一个 list, list 为 exposure_portfolio 中 columns 的一个或者多个

jqfactor_analyzer/attribution.py:382

Functionplot_returns_table

(alpha_beta, mean_ret_quantile, mean_ret_spread_quantile)

jqfactor_analyzer/plotting.py:28

Functionplot_top_bottom_quantile_turnover

(quantile_turnover, period=1, ax=None)

jqfactor_analyzer/plotting.py:471

Functionplot_top_down_cumulative_returns

(factor_returns, period=1, ax=None)

jqfactor_analyzer/plotting.py:563

Functionplot_turnover_table

(autocorrelation_data, quantile_turnover, return_df=False)

jqfactor_analyzer/plotting.py:42

Functionquantile_calc

(x, _quantiles, _bins, _zero_aware, _no_raise)

jqfactor_analyzer/prepare.py:58

Functionrate_of_return

转换回报率为"每期"回报率：如果收益以稳定的速度增长, 则相当于每期的回报率

jqfactor_analyzer/prepare.py:453

Functionrate_of_returns

jqfactor_analyzer/performance.py:245

Functionrolling_std

(x, window, min_periods=None, center=False, ddof=1)

jqfactor_analyzer/compat.py:63

Functionsplit_portfolio

jqfactor_analyzer/performance.py:233

jqfactor_analyzer/performance.py:36

Functionstd_conversion

转换回报率标准差为"每期"回报率标准差

jqfactor_analyzer/prepare.py:461

← previous next →101–200 of 218, ranked by callers