20170829-爱建证券-数量化研究三_麻烦的回测框架和头疼的数据管理_13页_1021kb

爱建证券金融工程研究报告总结

核心内容

本报告是爱建证券有限责任公司研究所发布的数量化研究系列第三篇，聚焦于数据管理与回测框架本地化两个关键环节，旨在为构建一套完整的数量化投资体系打下基础。

报告内容涵盖：

• 数据管理的三大原则与数据库模式选择；
• 回测框架的对比分析与 Zipline 框架的本地化改造；
• 使用非流动性因子对本地化框架进行测试与分析。

主要观点

1. 数据管理的重要性

• 数据是数量化研究的基石，高质量的数据直接影响模型效果。
• 数据管理需遵循以下原则：
  • 以原始数据为基础，加工计算以符合研究需求；
  • 统一不同数据的组织结构形式；
  • 维护时点数据，避免因时间偏差导致模型误判。

2. 数据库模式选择

• 采用非关系型数据库 MongoDB作为数据存储方案，因其具备良好的扩展性、灵活的数据结构和高效的读取性能。
• 数据库分为两个部分：行情数据库和因子数据库。
  • 行情数据库采用二维矩阵形式，以股票为单位，时间作为索引，行情状况作为列；
  • 因子数据库采用三层结构，包含因子大类、具体因子和二维矩阵，增强扩展性和管理效率。

3. 回测框架的选择与本地化

• 选择 Zipline 框架进行本地化改造，因其具备良好的文档支持、清晰的逻辑结构和易用性。
• 本地化重点包括交易环境和交易算法两部分：
  • 交易环境：调整交易日历、基准收益率和国债收益率以适应 A 股市场；
  • 交易算法：修改策略初始化、调仓逻辑，加入 A 股特有的限制条件，如涨停跌停限制和卖空限制。

4. 非流动性因子测试

• 使用非流动性因子作为案例，验证本地化后的 Zipline 框架是否适用于 A 股市场。
• 通过 alphalens 对因子进行初步检验，分析其在不同周期的收益表现和 IC 值。
• 回测结果如下：
  • 多头策略：alpha 0.611，信息比 2.41，夏普比 1.90，年化收益 0.68，收益波动率 0.359，最大回撤 -0.560，最终净值 6.45；
  • 对冲后策略：夏普比 2.21，年化收益 0.56，收益波动率 0.25，最大回撤 -0.367，最终净值 4.89。

关键信息

数据来源

• 数据主要来源于 WIND，并由爱建证券研究所整理。

数据库实现

• 使用 MongoDB 存储行情和因子数据，支持快速读取与扩展。
• 数据以 JSON 格式统一存储，提升兼容性和灵活性。

回测框架本地化

• 对 Zipline 框架进行调整，使其更适用于 A 股市场；
• 本地化包括：
  • 交易日历的调整；
  • 基准收益率和国债收益率的替换；
  • 交易算法的优化，加入 A 股特殊规则。

回测测试结果

• 非流动性因子在本地化后的 Zipline 框架下表现良好，初步验证了框架的适用性；
• 本地化框架在速度和灵活性上满足研究需求，但仍有改进空间。

风险提示

• 数据回测仅反映历史表现，不保证未来收益。

附录信息

分析师信息

• 刘孙亮：分析师，执业编号 S0820513120002，联系方式：021-32229888-25517，邮箱：liusunlinag@ajzq.com；
• 方时：联系人，执业编号 S0820116070040，联系方式：021-32229888-32185，邮箱：fangshi@ajzq.com。

投资评级说明

• 报告发布日后6个月内，公司/行业涨跌幅以同期上证指数/深证成指为基准；
• 公司评级分为：强烈推荐、推荐、中性、回避；
• 行业评级分为：强于大市、同步大市、弱于大市。

免责声明

• 报告内容基于公开资料，不保证数据准确性和完整性；
• 报告观点、结论和建议仅供参考，不构成投资建议；
• 爱建证券及分析师与所评价证券无利害关系。

总结

本报告系统梳理了数量化研究中数据管理和回测框架本地化的关键问题，提出了基于 MongoDB 的数据存储方案和对 Zipline 的本地化改造方法。通过非流动性因子的回测测试，验证了框架的初步适用性，为后续构建完整的数量化投资体系奠定了基础。