好的,作为一名熟练的金融工程分析师,我将对您提供的研报内容进行总结。 量化模型与构建方式 1. 模型名称:简易组合回测模型 (research.Backtest) [49] * 模型构建思路:根据给定的调仓日期、证券代码和权重,计算组合的净值,用于基础策略验证 [49] * 模型具体构建过程: 1. 输入参数:调仓日期列表、证券代码列表、对应的权重列表 [49] 2. 数据源:默认使用收盘价与复权因子计算复权价格 [49] 3. 计算:根据调仓日期和权重,计算组合在回测期间的净值序列 [49] * 模型评价:该模型功能基础,适用于快速验证策略想法,但未覆盖手续费、滑点、成交约束和完整绩效归因,正式研究需根据策略假设进一步扩展 [49][74] 量化因子与构建方式 1. 因子名称:振幅 [40][42] * 因子构建思路:通过自定义TSL表达式,计算证券在指定周期内的振幅,即最高价与最低价的差除以上一周期收盘价 [40][42] * 因子具体构建过程: 1. 使用CJPY的get_factor_data函数,通过repo参数传入自定义因子库 [40] 2. 自定义因子库的键为因子名称“振幅”,值为天软TSL表达式 [40] 3. TSL表达式为:(high()-low())/sys_prevclose() [42] 4. 公式说明:high()代表当前周期最高价,low()代表当前周期最低价,sys_prevclose()代表上一周期收盘价 [42] * 因子评价:该因子为自定义因子,其有效性依赖于TSL表达式的正确性以及对缺失值、极端值和行业差异的处理,CJPY仅提供数据和表达式入口,不自动替代这些判断 [42] 模型的回测效果 1. 简易组合回测模型 (research.Backtest):该模型在报告中仅作为案例展示,未提供具体的回测指标取值(如年化收益率、最大回撤、夏普比率等)[74][76][79]
AI 投研(一):面向投研智能体的CJPY数据服务