Python與量化多因子——因子庫（上）
前言
不換個標題，感覺是沒有人來讀的。記得在學校那會，找實習，啥都不會， 聽到同學說到`因子庫`這個辭彙，覺得好高級！後來慢慢接觸下來，每個做量化的團隊應該都有這麼個玩意，專門用來存因子的。我是不是直接說因子有點快了，我入門是從優礦開始的，如果有不太瞭解多因子模型的，可以去優礦網找找文章來看看。這裡推薦幾篇帖子供給大家。
量化分析師的Python日記【第14天：如何在優礦上做Alpha對沖模型】主要就是這兩個人的帖子，看下還是能收穫不少的。
因子的來源
那麼，既然我們要搭建因子，它本身還是要依賴一些原始數據的，我簡單的列了一下可能需要的數據
- 行情數據，這是必須的，價量因子的原材料。
- 財務數據，這也是必須的，基本面因子的原材料，還有些指標例如PE，PB等等既需要行情數據，也需要財務數據。
- 行業數據，這還是必須的，現在市場上主流的是申萬的行業數據，各人覺得沒有中信的行業劃分的準確，而且14年還變了一次，用起來比較麻煩，有些場景下還要專門把14年前的數據進行處理，乾脆就用中信的好一些。還有的可能是GICS的行業劃分，也還可以，像Barra公司做風險模型的時候就用的它自家的GICS行業，Axioma的其實也是GICS的行業劃分。
- 一致預期數據，這個不是必須的，但是構建一致預期因子會需要。
- 另類數據，這個就比較多了，看能力吧，數據源多當然是好的。
設計你的因子庫結構
其實我也不知道我的理解是不是那麼的正確，因子庫本身是就是存儲因子的，或者說是存儲數據的。那麼，存儲數據的選擇就太多了，我們可以用文件來存，也可以用關係型資料庫，還可以是非關係型資料庫，等等。
考慮到我們提取因子文件的需求，既有時間維度的，也有股票層面的，甚至是兩者結合在一起的。例如我們可能會提取過去一段時間的因子來進行研究，也有可能需要某一天全A的所有數據，甚至也有可能我們的研究對象是某一個股票池歷史的因子數據。
我剛剛說了一大堆，但其實我覺得還是要具體問題具體對待，用文件比如說csv來保存並不一定就不是合適的，有的數據比如市值這樣的，又或者行業這種的，我們可能會頻繁存取，這時候採用文件格式保存也不失為一種方法。
表的設計
言歸正傳，我們來考慮大多數因子的存取方案
首先，我們需要想的是，我們需要計算的因子會是有很多的，特別是我們後面如果要做一些AI模型的話，特徵太少，效果估計也不會好到哪取。現在很多賣方，買方都在不斷擴大他們的因子庫，雖然真正核心的使用的因子估計就那麼二三十個的樣子。
那麼問題來了，假設我們用的是關係型資料庫。首先，我們不可能一個因子存一張表，這樣維護起來很喫力。一般來說，我們可以把一類因子放到一個表裡。這樣其實也會有些問題，我們用寬表還是用窄表？寬表的話，擴充因子會比較麻煩，用窄表空間冗餘又太多。該採取何種方案比較讓人頭疼。
那麼有沒有比較好的方案？這個感覺像是面試會問的問題啊。答案當然是有的，例如我們可以用非關係型的資料庫Mongo這樣的來做。
遺憾的是，因為我電腦內存比較小，而且自己的電腦是Windows系統，操作諸多不便，我還是用MySQL做成寬表來存因子
推薦閱讀：
