popbo / alphas Goto Github PK

作者您好，按照顺序执行代码之后，出现如下错误。我是Mac的环境

IndexError Traceback (most recent call last)
Cell In[17], line 37
34 from alphalens.utils import get_clean_factor_and_forward_returns
35 from alphalens.tears import create_full_tear_sheet
---> 37 ret = get_clean_factor_and_forward_returns(alpha, close,quantiles=5)
38 create_full_tear_sheet(ret, long_short=False)

File ~/Documents/alphas/alphas-main/alphalens/utils.py:827, in get_clean_factor_and_forward_returns(factor, prices, groupby, binning_by_group, quantiles, bins, periods, filter_zscore, groupby_labels, max_loss, zero_aware, cumulative_returns)
666 def get_clean_factor_and_forward_returns(factor,
667 prices,
668 groupby=None,
(...)
676 zero_aware=False,
677 cumulative_returns=True):
678 """
679 Formats the factor data, pricing data, and group mappings into a DataFrame
680 that contains aligned MultiIndex indices of timestamp and asset. The
(...)
825 For use when forward returns are already available.
826 """
--> 827 forward_returns = compute_forward_returns(
828 factor,
829 prices,
830 periods,
831 filter_zscore,
832 cumulative_returns,
833 )
835 factor_data = get_clean_factor(factor, forward_returns, groupby=groupby,
836 groupby_labels=groupby_labels,
837 quantiles=quantiles, bins=bins,
838 binning_by_group=binning_by_group,
839 max_loss=max_loss, zero_aware=zero_aware)
841 return factor_data

File ~/Documents/alphas/alphas-main/alphalens/utils.py:319, in compute_forward_returns(factor, prices, periods, filter_zscore, cumulative_returns)
316 period_len = diff_custom_calendar_timedeltas(start, end, freq)
317 days_diffs.append(period_len.components.days)
--> 319 delta_days = period_len.components.days - mode(days_diffs).mode[0]
320 period_len -= pd.Timedelta(days=delta_days)
321 label = timedelta_to_string(period_len)

IndexError: invalid index to scalar variable.

期盼您的回复，谢谢

你好，我想问一下因子计算和分析的过程中是否需要过滤掉ST股票和涨跌停股票

感谢作者的分享，关于Alpha032这里是不是应该用ts_sum

我打算发布一个部分使用了你代码的github项目。请问你希望我以何种方式对你的工作进行引用？谢谢！

after following guide, download data, calculate alpha101, run research(don't change code), get error:
Dropped 48.2% entries from factor data: 48.2% in forward returns computation and 0.0% in binning phase (set max_loss=0 to see potentially suppressed Exceptions).

hello作者你好，这里面的因子大量的使用了rank没有带天数的函数，如果一次性计算是否用了未来函数？
难道每天更新吗？还是说我计算方式有问题

我数学不太好，但是不是有很多因子的计算是从给定的起始日期开始滚动计算的？比如计算2020-06-01的因子值，按alphas.py的默认截取日期是从2019-01-01开始滚动计算，如果我改成从2019-06-01开始计算，是不是因子的值就有变化了？甚至起始时间可以无限往前延伸，只要有数据？

alphalens.utils - > get_clean_factor_and_forward_returns -> compute_forward_returns 的 mode(days_diffs).mode[0]一直报错。
检查了很多遍输入的数据格式factor和price都是复合规范的，不知道问题出在哪。

请问作者你这边遇到过类似的情况么？

我想用后复权数据训练模型，但是你用的Akshare接口下载的东财数据，其中成交额是按不复权股价计算的，所以因子计算中平均成交价也是不复权的，即使开收高低都是后复权。由于东财的后复权算法是闭源的，我无法将成交额从不复权修正成后复权，这应该会影响因子模型。我尝试了Akshare的新浪端口，新浪的复权算法是开源的(算法与东财不同)，但新浪端口历史数据不含成交额，所以平均成交价直接求不出来了。请问您有什么建议吗？谢谢！