# Multi-Factor-Strategy-Development-Framework

**Repository Path**: linuxapp/Multi-Factor-Strategy-Development-Framework

## Basic Information

- **Project Name**: Multi-Factor-Strategy-Development-Framework
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-11-01
- **Last Updated**: 2026-11-01

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 结果展示

本项目包含完整的测试结果和分析报告，所有相关图表和数据文件均保存在 `多因子框架/测试结果/` 目录下，便于复现与查阅。
## 🎯 单因子测试结果
- **STR因子分析**：[str_full_analysis.png](多因子框架/测试结果/str/str_full_analysis.png)
- **小市值因子分析**：[str_full_analysis.png](多因子框架/测试结果/size/size_full_analysis.png)
- **复合因子分析**：[multivariate_rolling_120_复合因子_full_analysis.png](多因子框架/测试结果/multivariate_rolling_120_复合因子/multivariate_rolling_120_复合因子_full_analysis.png)

## 📈 多因子集中测试结果
- **多因子性能对比汇总**：[多因子集中测试_分析结果.png](多因子框架/测试结果/多因子集中测试结果/多因子集中测试_分析结果.png)
- **多因子统计指标**：[多因子统计指标.csv](多因子框架/测试结果/多因子集中测试结果/多因子统计指标.csv)
- **多因子IC序列**：[多因子IC序列.csv](多因子框架/测试结果/多因子集中测试结果/多因子IC序列.csv)
- **多因子累计IC序列**：[多因子累计IC序列.csv](多因子框架/测试结果/多因子集中测试结果/多因子累计IC序列.csv)



## 📊 详细数据文件
- **各因子分组收益率**：包含beta、book_to_price、earnings_yield、growth、leverage、liquidity、momentum、residual_volatility、size、str等因子的详细回测数据
- **多空组合收益率**：各因子第1层倒1层、第2层倒2层多空组合的收益率数据
- **多头超额收益率**：各因子第1层、第2层多头组合的超额收益率数据

## 📋 测试报告内容
- **单因子测试报告**：IC分析、Rank IC分析、多空回测、分层回测
- **多因子集中测试结果**：多因子综合性能评估
- **共线性分析报告**：因子间相关性分析
- **策略回测结果**：完整的策略回测统计指标和可视化分析

---

# Multi-Factor Strategy Development Framework

<div align="center">

![Python](https://img.shields.io/badge/Python-3.8+-blue.svg)
![License](https://img.shields.io/badge/License-MIT-green.svg)
![Status](https://img.shields.io/badge/Status-Active-brightgreen.svg)

**一个完整的量化投资多因子策略开发框架**

*从因子构造到策略回测的全流程解决方案*

[项目介绍](#项目介绍) • [功能特性](#功能特性) • [快速开始](#快速开始) • [项目结构](#项目结构) • [使用指南](#使用指南) • [贡献指南](#贡献指南)

</div>

---

## 📋 项目介绍

**Multi-Factor Strategy Development Framework** 是一个基于RQAlpha的完整多因子量化策略开发框架，旨在为量化投资提供从因子构造到策略回测的全流程解决方案。

### 🎯 核心价值

- **全流程覆盖**：从数据获取、因子构造、数据处理到策略回测的完整链路
- **模块化设计**：各功能模块独立，便于维护和扩展
- **实盘对接**：支持实盘交易接口，便于策略落地
- **参数化配置**：支持灵活的参数调整和优化

### 🚀 主要特性

- 📊 **多维度因子库**：量价因子、基本面因子、复合因子
- 🔧 **智能数据处理**：去极值、标准化、中性化处理
- 📈 **全面因子测试**：IC分析、分层回测、多空测试
- 🎯 **策略构建工具**：多种资产配置方法和参数优化
- 💼 **实盘交易支持**：迅投QMT等实盘接口对接

---

## 🏗️ 功能特性

### 📊 因子库管理
- **量价因子**：基于价格、成交量、换手率等市场数据构造的技术因子
- **基本面因子**：包括成长能力、盈利能力、营运能力等财务指标因子
- **复合因子**：支持多种加权方式（一元回归、排序、IC加权、多元回归、PCA分解）

### 🔧 数据处理
- **去极值处理**：均值方差法、中位数法、分位数法
- **标准化处理**：Z-Score转换
- **中性化处理**：行业中性、市值中性

### 📈 因子测试
- **单因子测试**：IC分析、Rank IC分析、多空回测、分层回测
- **多因子集中测试**：多因子综合性能评估
- **共线性分析**：因子间相关性分析，避免因子冗余

### 🎯 策略构建
- **资产配置**：等权配置、马科维兹最优权重、最小方差组合
- **参数优化**：支持分层数量、调仓周期、目标组号等参数网格搜索
- **回测分析**：完整的策略回测统计指标和可视化分析

---

## 🚀 快速开始

### 环境要求

- Python 3.8+
- RQAlpha
- pandas, numpy, matplotlib
- 其他依赖见 `requirements.txt`

### 安装步骤