因子 - 计算方法详解

SIMPLE vs CLASSIC

维度	SIMPLE（默认）	CLASSIC
分组方法	中位数二分	分位数断点（如 30%/70%）
组合加权	等权平均	市值加权
分组维度	单变量独立排序	多变量独立排序 (2x3 等)
计算速度	快	较慢
学术严谨性	一般	接近学术论文实现

SIMPLE 方法

每个因子按对应变量独立排序后二分（high / low）：

smb = 小市值股票等权均值 - 大市值股票等权均值
hml = 高 BM 股票等权均值 - 低 BM 股票等权均值

ff3 = engine.calculate_factor_returns(
    factor_type=FactorType.FF3,
    method='simple',  # 默认值
)

CLASSIC 方法

以 FF3 CLASSIC 为例：

Size 分组: small（市值 <= 中位数）/ big（> 中位数）
Value 分组: low (bottom 30%) / medium / high (top 30%)

6个交叉组合的市值加权收益率:
  S/L S/M S/H  B/L B/M B/H

SMB = (S/L + S/M + S/H)/3 - (B/L + B/M + B/H)/3
HML = (S/H + B/H)/2 - (S/L + B/L)/2

ff3 = engine.calculate_factor_returns(
    factor_type=FactorType.FF3,
    method='classic',
)

各模型 CLASSIC 分组配置

模型	排序维度	分组
FF3	size(50%), bm(30%/70%)	2x3
FF5	size(50%), bm(30%/70%), op(30%/70%), inv(30%/70%)	2x3x3x3
Carhart	size(50%), bm(30%/70%), momentum(30%/70%)	2x3x3
HXZ	size(50%), asset_growth(30%/70%), roe(30%/70%)	2x3x3
SY4	size(50%), mgmt(20%/80%), perf(20%/80%)	2x5x5

日频 vs 月频

# 月度因子
ff3_m = engine.calculate_factor_returns(factor_type=FactorType.FF3, period='M')

# 日度因子
ff3_d = engine.calculate_factor_returns(factor_type=FactorType.FF3, period='D')

方面	月频	日频
数据量	~120个月/10年	~2500日/10年
计算速度	快	较慢
噪音	较低	较高
适用场景	资产定价研究	高频回测

性能优化

Polars 加速

# 启用 Polars（默认）
ff5 = engine.calculate_factor_returns(factor_type=FactorType.FF5, use_polars=True)

# 禁用（使用纯 pandas）
ff5 = engine.calculate_factor_returns(factor_type=FactorType.FF5, use_polars=False)

并行任务数

# 自动检测（默认，最多 4 核）
ff3 = engine.calculate_factor_returns(factor_type=FactorType.FF3)

# 单线程（调试用）
ff3 = engine.calculate_factor_returns(factor_type=FactorType.FF3, n_jobs=1)

# 指定核数
ff3 = engine.calculate_factor_returns(factor_type=FactorType.FF3, n_jobs=8)

数据过滤

计算过程中自动执行：

1. 收益过滤：排除 return <= -1 或 return >= 10 的异常值
2. 缺失值处理：NA 值归入 “low” 组
3. 最小股票数：单日可用股票 < 20 只时跳过
4. 财报匹配：仅使用 ann_date 已知且不超过 6 个月的财报数据

限定标的范围

hs300_stocks = ['000001', '000002', ..., '688981']

ff3 = engine.calculate_factor_returns(
    factor_type=FactorType.FF3,
    symbols=hs300_stocks,
    start_date='2020-01-01',
    end_date='2024-12-31',
)