# 量化因子

**Repository Path**: jr_75/quantitative-factors

## Basic Information

- **Project Name**: 量化因子
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-03-28
- **Last Updated**: 2026-03-28

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 量化因子分析平台

一个基于Streamlit的量化因子分析网站，支持在线运行Python代码，可视化展示因子分析结果。

## 功能特点

- 📚 **因子介绍**：详细介绍各种量化因子的定义、计算方法和适用场景
- 🔧 **因子使用与组合**：学习如何使用和组合不同的因子，包括标准化方法和权重优化
- 📈 **因子有效性分析**：通过IC值、IR等指标评估因子的预测能力
- 🐍 **代码实验室**：在网页中直接运行Python代码，实时查看结果

## 支持的因子

### 量价因子
- Alpha 101：日内动量因子
- 成交量比率：衡量成交量变化

### 趋势因子
- 动量因子：捕捉价格趋势
- MACD：趋势转折判断

### 均值回归因子
- 价格偏离度：衡量价格与均线的偏离
- RSI：超买超卖指标

### 风险因子
- 波动率：衡量价格波动程度

### 风格因子
- 小市值因子
- 成长因子

## 安装和运行

### 1. 安装依赖

```bash
pip install -r requirements.txt
```

### 2. 配置API密钥

编辑 `.env` 文件，添加您的Tushare API密钥：

```
TUSHARE_API_KEY=your_actual_api_key_here
```

如果没有Tushare账号，可以访问 [Tushare官网](https://tushare.pro) 注册获取API密钥。

### 3. 运行应用

```bash
streamlit run app.py
```

应用将在浏览器中打开，默认地址为 `http://localhost:8501`

## 项目结构

```
quant_factor_website/
├── app.py                 # 主程序入口
├── requirements.txt       # 依赖包列表
├── .env                  # 环境变量配置文件
├── README.md             # 项目说明
├── pages/                # 页面模块
│   ├── __init__.py
│   ├── home.py          # 首页
│   ├── factor_intro.py  # 因子介绍
│   ├── factor_usage.py  # 因子使用与组合
│   ├── factor_analysis.py # 因子有效性分析
│   └── code_lab.py      # 代码实验室
├── utils/                # 工具模块
│   ├── __init__.py
│   ├── data_fetcher.py  # 数据获取
│   └── factor_calculator.py # 因子计算
└── data/                 # 数据存储目录
```

## 使用指南

### 因子介绍页面
- 浏览各种量化因子的详细信息
- 按类别筛选因子
- 了解因子的计算公式和适用场景

### 因子使用与组合页面
- 学习因子标准化方法
- 了解不同的因子组合方法
- 查看因子组合示例

### 因子有效性分析页面
- 选择因子和股票代码
- 计算IC值评估因子有效性
- 查看因子与收益的相关性分析
- 对比多个因子的表现

### 代码实验室页面
- 选择预设的代码示例
- 编辑和运行Python代码
- 查看代码输出和图表
- 使用常用代码片段

## 因子有效性评估标准

### IC值（信息系数）
- |IC| > 0.05：优秀
- 0.03 < |IC| < 0.05：良好
- 0.01 < |IC| < 0.03：一般
- |IC| < 0.01：较差

### IR值（信息比率）
- IR > 0.5：优秀
- 0.3 < IR < 0.5：良好
- 0.1 < IR < 0.3：一般
- IR < 0.1：较差

## 技术栈

- **前端**：Streamlit
- **数据处理**：Pandas, NumPy
- **可视化**：Matplotlib, Seaborn
- **数据接口**：Tushare
- **统计分析**：SciPy, Scikit-learn

## 注意事项

1. **API密钥**：请妥善保管您的Tushare API密钥，不要将其提交到代码仓库
2. **数据限制**：免费版Tushare API有调用频率限制，请合理使用
3. **风险提示**：因子分析结果仅供参考，不构成投资建议
4. **代码执行**：代码实验室中的代码在服务器端执行，请注意安全性

## 更新计划

- [ ] 添加更多量化因子
- [ ] 支持多股票对比分析
- [ ] 添加策略回测功能
- [ ] 支持自定义因子公式
- [ ] 添加更多可视化图表

## 许可证

MIT License

## 联系方式

如有问题或建议，欢迎提出Issue或Pull Request。