标签：return per 因子 分组 ttm factor date 打分
分组动手练习
在米筐上因子数据没有处理，提供的很多因子没有默认分类，存在一些因子没有的情况，我们就选择一些常见的因子。
| 价值因子 | 质量因子 | 成长因子（历史名称） |
|---|---|---|
| pe_ratio | return_on_invested_capital | in_revenue |
| pcf_ratio | du_return_on_equity | inc_eps |
| pb_ratio | return_on_asset_net_profit | inc_total_asset |
| market_cap | return_on_equity | inc_net_profit |
| ps_ratio | return_on_asset | inc_earnings_per_share |
| earnings_per_share | inc_operation_revenue | |
| net_profit_to_revenue | revenue |
代码
分析时间 20170101-20180101
factor_name = 'inc_revenue_ttm' # 更换因子名称 获取分析结果
# 准备因子数据 basic_earnings_per_share
all_data = pd.DataFrame()
# 获取这一年的交易日 日期列表
date = get_trading_dates(start_date='20170101', end_date='20180101')
stocks = all_instruments('CS').order_book_id
for i in range(len(date)):
# 获取当天date[i] 因子数据
factor = get_factor(stocks, factor=[factor_name], start_date=date[i], end_date=date[i])
# print(factor)
# 拼接在一起
all_data = pd.concat((all_data, factor))
成长因子测试
数据获得方法：链接
7个成长因子，分析结果
从结果上看（可能打分阈值较为严格，可根据实际情况修改阈值）：
因子：inc_return_on_equity_ttm 表现较好 可以作为备选因子。
个评分第一名，加一分
从结果上看
因子：inc_return_on_equity_ttm
operating_revenue_growth_ratio_ttm
表现较好 可以作为备选因子。
标签：return,per,因子,分组,ttm,factor,date,打分 来源： https://blog.csdn.net/weixin_45875105/article/details/121253177
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。