可转债多因子量化策略工程化项目

项目简介

本项目实现了可转债多因子量化策略的全流程工程化，包括：数据采集、本地化、主数据库合成、因子加工、IC/IR统计、回测、因子分析、rolling表自动生成与动态加权等，所有流程高度自动化、模块化，适合长期量化策略自动运维和科学研究。

目录结构

.
├── factor_strategy.py      # 主入口，命令行参数解析与主流程调度
├── config.py               # 全局参数与路径配置
├── factors.py              # 因子加工、健康检查等
├── backtest.py             # 策略实现与回测
├── analyze.py              # 因子分析与可视化
├── report.py               # 结构化结论报告输出
├── data_db/                # 数据库文件目录
├── charts/                 # 图表输出目录

依赖环境

pip install pandas numpy matplotlib akshare openpyxl

快速开始

1. 数据采集与更新

   • 采集/更新主数据库（可转债行情与基础因子）：

     python factor_strategy.py --update

   • 采集正股财务数据库（建议先运行一次）：

     python factor_strategy.py --update-finance

   • 采集正股历史价格（如需用正股动量因子，建议先运行一次）：

     python factor_strategy.py --update-stock-price

2. 因子加工与预处理

   • 默认加工（生成5日/20日动量、波动率等）：

     python factor_strategy.py --preprocess-factors

   • 自定义窗口（如生成5/10/20/60日动量和波动率）：

     python factor_strategy.py --preprocess-factors-vol 5,10,20,60 --preprocess-mom 5,10,20,60 --preprocess-stock-mom 5,10,20,60

3. 因子分析

   • 分析指定因子的有效性（如"价格动量20日"）：

     python factor_strategy.py --analyze-factor 价格动量20日

4. 策略回测

   • 运行回测并输出持仓、净值、图表、报告：

     python factor_strategy.py --backtest

   • 或直接运行（默认回测）：

     python factor_strategy.py

5. 数据库健康检查与诊断

   • 检查主数据库完整性：

     python factor_strategy.py --test-db

   • 诊断财务数据库与主表合并情况：

     python factor_strategy.py --diagnose-finance

命令行参数说明

• 所有核心参数（回测区间、调仓频率、持仓数量、因子列表、权重、风控等）均在 config.py 的 Config 类中集中配置。
• 支持命令行参数灵活指定因子加工窗口、分析因子等，详见主入口文件注释或 python factor_strategy.py --help。

结果输出

• 图表自动保存在 charts/ 目录
• 持仓历史导出为 factor_holdings_history.xlsx
• 结构化结论报告自动输出到终端

进阶用法

• 可在 factors.py、backtest.py、analyze.py 等模块中自定义因子、策略、分析方法，扩展更复杂的量化逻辑。
• 支持批量因子加工、动态IC/IR加权、分层回测、健康检查、异常诊断等高级功能。

---

如需更详细的参数说明、模块扩展方法或遇到具体问题，可查阅各模块源码注释或向开发者提问。

最新特性

• 支持因子标准化方式自动切换（分位数rank/zscore），配置项一键切换，所有因子横截面标准化。
• 支持IC方法自动切换（pearson/spearman），默认spearman（Rank IC），更稳健。
• 支持因子正向/反向自动判断（IC均值）与手动指定（FACTOR_DIRECTION），多空方向与因子逻辑完全一致。
• 多空组合收益自动用"分层表现更好-分层表现更差"方向，图表和报告自动标注多空逻辑。
• 图表底部结论区块美观分栏，自动输出IC、IR、标准化方式、IC方法、分层收益、多空收益等核心指标。
• 支持因子分析、分层回测、择时信号、主表字段补全、异常诊断、可视化美化等全流程自动化。
• 新增：支持通过命令行参数批量指定波动率、价格动量、正股动量窗口，自动生成多周期因子。

主要特性

• 主入口：factor_strategy.py，一键自动化全流程。
• 模块化设计：采集、加工、回测、分析、报告等各功能独立，便于维护和扩展。
• 数据采集：所有原始数据（可转债行情、正股价格、财务、基础信息）先本地化保存，采集支持多线程、进度条、失败重试、异常捕获、日志输出。
• 主数据库与因子加工：本地原始文件自动merge、字段补全、异常检测，关键字段如"信用评级""到期日"等强制补全，缺失时报错。
• IC/IR统计与rolling表：支持单因子和全因子IC分析，rolling窗口统计自动批量生成，rolling表在因子加工后自动更新，回测前始终保证最新。
• 回测与因子权重：支持多因子IC/IR动态加权，自动记录因子权重变化、因子相关性历史，输出可视化图表。
• 健壮性与自动备份：所有关键步骤均有详细日志、异常处理和自动备份，便于调试和长期运维。
• 兼容性：字段名、数据格式、缺失值等均有健壮性兼容，支持多数据源和后续扩展。

可用因子字段一览

• 市场行为与价格类：
  • 收盘价
  • 价格动量5日
  • 价格动量20日
  • 波动率20日
  • 双低值（收盘价+转股溢价率，单位自适应）
• 条款与估值类：
  • 纯债价值
  • 转股价值
  • 纯债溢价率
  • 转股溢价率
  • 剩余期限
  • 债券规模/发行规模
• 信用与财务类：
  • 信用评级分数（已自动数值化）
  • 净资产收益率（如有）
  • 其他正股财务因子（如净利润、营业总收入、流动比率等，需查主表字段）
• 正股相关因子：
  • 正股动量5日
  • 正股动量20日
  • 正股收盘价
• 分位数类（辅助分析）：
  • 双低值分位数
  • 价格动量5日分位数
  • 价格动量20日分位数
  • 纯债溢价率分位数
  • 溢价率分位数
  • 正股动量5日分位数
  • 正股动量20日分位数

所有上述字段均可直接用 --analyze-factor 字段名 进行因子分析。主表中所有数值型字段均可自定义分析。

结果输出

• charts/ 目录下自动保存净值对比图、因子分析图（超额收益与最大回撤均为面积图）
• factor_holdings_history.xlsx 自动导出持仓历史
• 控制台自动输出结构化结论报告
• stock_finance_db_ths.pkl 为正股财务数据库，主程序自动合并所有财务因子

数据更新说明

• 目前自动数据增量更新未实现，需通过"采集正股财务数据库"、"采集正股历史价格"等命令手动更新数据。

开源协议

本项目可自由用于学术与个人研究，欢迎二次开发与贡献！

2024年6月：主数据库字段自动检测与补全过程

• 新增主数据库"到期日/到期时间"与"剩余期限"字段自动检测与补全机制。
• 支持自动检测主表缺失的到期日，自动从 info 表补全，类型统一为 pd.Timestamp。
• 剩余期限字段自动用"到期日-日期"计算，确保回测区间可推进到主数据库最新数据。
• 自动输出缺失比例、未补全转债代码样例，便于进一步数据修复。
• info 表与主表 merge 逻辑更健壮，兼容字段名差异与代码格式。
• 回测主循环、因子加工、辅助表采集等流程均支持自动检测与修复，极大提升工程化与自动化水平。
• 本轮 debug 详见 git commit 记录。

常用命令

1. 数据采集与主数据库合成

python factor_strategy.py --update           # 自动采集并合成主数据库
python factor_strategy.py --fetch-bond-price-raw      # 采集可转债原始行情
python factor_strategy.py --fetch-stock-price-raw     # 采集正股原始行情
python factor_strategy.py --fetch-stock-finance-raw   # 采集正股原始财务
python factor_strategy.py --fetch-bond-info-raw       # 采集可转债基础信息
python factor_strategy.py --build-db                  # 合成主数据库

2. 因子加工与IC/IR rolling表自动生成

python factor_strategy.py --preprocess-factors        # 加工并补全所有基础因子，自动生成IC/IR rolling表

3. 回测与因子分析

python factor_strategy.py --backtest                  # 运行回测，自动动态加权、输出图表
python factor_strategy.py --analyze-factor 双低值      # 分析指定因子的有效性，自动补全静态IC/IR表

4. 其它辅助命令

python factor_strategy.py --test-db                   # 检查主数据库完整性
python factor_strategy.py --diagnose-finance          # 诊断财务数据库与主表合并情况
python factor_strategy.py --check-all-db              # 检查所有数据库最新日期和记录数

IC/IR表与rolling表自动维护机制

• factor_ic_mean.csv、factor_ic_std.csv：静态IC/IR均值和标准差，单因子分析时自动合并追加。
• factor_ic_mean_rolling.csv、factor_ic_std_rolling.csv：rolling窗口IC/IR统计，在因子加工（preprocess_factors）后自动批量生成，始终覆盖所有因子和回测区间。
• 回测主流程自动读取rolling表，动态加权，兼容历史和新因子。

健壮性与工程化细节

• 所有流程均有详细日志、异常捕获、自动备份，支持断点续跑。
• 字段补全、数据格式、缺失值等均有健壮性兼容，支持多数据源。
• 支持长期自动化运维和科学研究。

---

如需更多细节或定制化开发，请查阅源码或联系维护者。