GetAstockFactors

获取经典的多因子模型数据数据来源：https://www.factorwar.com/data/factor-models/

使用说明

from GetAstockFactors import Get_FactorWar_Data

# 获取CAPM模型
gfd = Get_FactorWar_Data()

# 获取经典算法 频率使用日频
capm_daily_df: pd.DataFrame = gfd.get_model_data('CAPM模型','经典模型','daily')

# 获取极简算法 频率使用月频
capm_monthly_df: pd.DataFrame = gfd.get_model_data('CAPM模型','极简算法','monthly')

# 获取BetaPlus1000指数数据
betaplus1000: pd.DataFrame = gfd.gfd.get_betaplus1000()

使用get_model_data方法可以获取以下模型：

CAPM模型
Fama-French三因子模型
Carhart四因子模型
French五因子模型,Novy-Marx四因子模型
Hou-Xue-Zhang四因子模型
Stambaugh-Yuan四因子模型
Daniel-Hirshleifer-Sun三因子模型
BetaPlusA股混合四因子模型
全部多因子模型basisportfolios月均收益率

使用get_betaplus1000方法可以获得BetaPlus1000指数数据

BetaPlus 1000指数系列包括BetaPlus 1000基准指数和7个BetaPlus 1000因子指数，旨在反应A股市场整体以及常见风格的风险收益特征。其涵盖的因子包括价值、盈利、成长、红利、低波动、规模以及动量。具体编制方案见算法说明。

数据说明：

如无特殊说明，多因子模型中因子收益率的起始日期为：1995 年 1 月 1 日。
股票范围：全部在市股票，包括深圳主板、中小板和创业板，上海主板和科创板。
剔除股票：剔除黑名单股票和不可交易股票，其中黑名单包括新股（上市不满 12 个月）、风险警示股、待退市股和净资产为负股，不可交易股票包括停牌股票和一字涨跌停股票。

无风险收益率：不同时间段采用不同数据，具体如表1所示。表一：

时间区间	数据来源
2002/08/06之前	三个月期定期银行存款利率
2002/08/07至2006/10/07	三个月期**银行票据的票面利率
2006/10/08至今	上海银行间三个月同业拆放利率

股票价格数据：后复权收盘价。

用来构建因子的变量：如表2所示。表二：

因子	变量
规模	总市值，即收盘价乘以总股本
价值	账面市值比（Book-to-Market ratio，简称 BM），即净资产除以总市值
动量	过去 12 个月（剔除最近 1 个月）累计收益率，其中一个月包含21个交易日
盈利	营业利润除以净资产
投资	总资产增长率或净资产增长率

不同版本的模型中，投资因子将使用总资产增长率或净资产增长率为变量来构建。

经典版本与极简版本

在针对 A 股的实证研究中，本文档提供经典版本和极简版本两个多因子模型版本。经典版本又称为学术界版本，它严格按照关于多因子模型的学术论文中描述的方法选择因子变量，构建因子投资组合，计算因子收益率。极简版本是在经典版本的基础上，针对 A 股市场特点而开发的简化版多因子模型，一边更好的适应 A 股市场。经典版本和极简版本的主要差异包括：（1）经典版本严格遵循学术界惯例，因此因子投资组合每年再平衡；极简版本则按照业界惯例，因此因子投资组合每月再平衡，从而更快地利用最新的因子变量取值。（2）经典版本在构建因子投资组合时，往往采用市值和目标变量的双重排序；但在极简版本中，将使用因子变量单变量排序构建因子投资组合。

详细算法说明

因子模型构建细节

veralyu / getastockfactors Goto Github PK