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
• 小市值因子分析：str_full_analysis.png
• 复合因子分析：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
• 多因子统计指标：多因子统计指标.csv
• 多因子IC序列：多因子IC序列.csv
• 多因子累计IC序列：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

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 • 功能特性 • 快速开始 • 项目结构 • 使用指南 • 贡献指南

---

📋 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