Python量化交易实战：从零搭建你的第一个多因子选股模型（附完整代码）

Python量化交易实战：从零搭建你的第一个多因子选股模型（附完整代码）

如果你对金融市场充满好奇，厌倦了凭感觉买卖股票，想用理性和数据来指导投资决策，那么量化交易可能就是你的答案。但很多初学者往往被复杂的数学公式和庞大的金融理论体系吓退，觉得量化是“高岭之花”，遥不可及。其实，量化投资的精髓在于将投资逻辑转化为计算机可执行的代码，而Python正是连接这两者的最佳桥梁。今天，我们就抛开那些晦涩的理论，直接动手，用Python从零开始，一步步构建一个真正能跑起来、能分析、能回测的多因子选股模型。这不仅仅是一篇教程，更是一次完整的实战演练，你将亲手触摸到量化策略的骨架与血肉。

1. 环境准备与数据获取：打好地基

在开始编写任何策略代码之前，一个稳定、高效的开发环境是必不可少的。对于量化分析，我们强烈推荐使用 Anaconda 来管理Python环境，它能轻松处理各种科学计算库的依赖关系。

1.1 创建专属的量化环境

打开你的终端（Windows上是Anaconda Prompt或CMD，Mac/Linux是Terminal），执行以下命令来创建一个名为 quant_env 的独立环境，并安装核心库：

# 创建新环境，指定Python版本为3.9（兼容性较好）
conda create -n quant_env python=3.9

# 激活环境
conda activate quant_env

# 安装量化分析核心三件套
pip install pandas numpy matplotlib

# 安装金融数据获取和回测框架（这里以Tushare和Backtrader为例，也可选择akshare、vn.py等）
pip install tushare backtrader

注意：Tushare是一个优秀的国内金融数据接口，但需要注册获取token。你也可以选择akshare，它无需注册，数据源更丰富。本文示例将使用Tushare，请提前在官网注册并获取你的token。

1.2 构建你的第一个数据获取脚本

数据是量化策略的“燃料”。我们首先需要获取股票的历史行情和基本面数据。创建一个名为 data_fetcher.py 的Python文件。

import tushare as ts
import pandas as pd
import numpy as np
from datetime import datetime, timedelta
import os

# 1. 初始化Tushare Pro接口（替换为你的token）
pro = ts.pro_api('你的tushare_token_here')

def fetch_stock_basic():
    """获取全市场股票基础信息"""
    print("正在获取股票基础信息列表...")
    # 获取当前正常上市交易的股票
    df_basic = pro.stock_basic(exchange='', list_status='L', fields='ts_code,symbol,name,area,industry,list_date')
    print(f"共获取到 {len(df_basic)} 只上市股票")
    # 保存到CSV，方便后续使用
    df_basic.to_csv('./data/stock_basic.csv', index=False)
    return df_basic

def fetch_daily_data(ts_code, start_date, end_date):
    """获取单只股票的日线行情数据"""
    try:
        df = pro.daily(ts_code=ts_code, start_date=start_date, end_date=end_date)
        df['trade_date'] = pd.to_datetime(df['trade_date'])
        df.set_index('trade_date', inplace=True)
        df.sort_index(inplace=True)  # 按日期排序
        return df
    except Exception as e:
        print(f"获取 {ts_code} 数据失败: {e}")
        return pd.DataFrame()

def fetch_valuation_data(ts_code, start_date, end_date):
    """获取单只股票的每日估值指标（市盈率PE、市净率PB等）"""
    try:
        # 这里以daily_basic接口为例，它包含市值、PE、PB、换手率等
        df = pro.daily_basic(ts_code=ts_code, start_date=start_date, end_date=end_date,
                             fields='trade_date,close,total_mv,pe_ttm,pb,ps_ttm,dv_ttm,turnover_rate')
        df['trade_date'] = pd.to_datetime(df['trade_date'])
        df.set_index('trade_date', inplace=True)
        df.sort_index(inplace=True)
        return df
    except Exception as e:
        print(f"获取 {ts_code} 估值数据失败: {e}")
        return pd.DataFrame()

def build_initial_dataset():
    """构建初始数据集：这里以沪深300成分股为例，获取近3年数据"""
    # 确保数据目录存在
    os.makedirs('./data', exist_ok=True)

    # 获取沪深300成分股列表（作为我们的股票池）
    print("获取沪深300指数成分股...")
    df_hs300 = pro.index_weight(index_code='000300.SH', start_date='20220101')
    hs300_codes = df_hs300['con_code'].unique().tolist()
    print(f"沪深300成分股数量: {len(hs300_codes)}")

    # 定义时间范围
    end_date = datetime.now().strftime('%Y%m%d')
    start_date = (datetime.now() - timedelta(days=3*365)).strftime('%Y%m%d')  # 3年数据

    all_data = {}
    valuation_data = {}

    # 示例：先获取前10只股票的数据进行演示（避免请求过于频繁）
    sample_codes = hs300_codes[:10]
    for idx, ts_code in enumerate(sample_codes, 1):
        print(f"正在处理 [{idx}/{len(sample_codes)}]: {ts_code}")
        daily_df = fetch_daily_data(ts_code, start_date, end_date)
        val_df = fetch_valuation_data(ts_code, start_date, end_date)

        if not daily_df.empty:
            all_data[ts_code] = daily_df
        if not val_df.empty:
            valuation_data[ts_code] = val_df

    # 将数据保存到本地
    import pickle
    with open('./data/daily_data_sample.pkl', 'wb') as f:
        pickle.dump(all_data, f)
    with open('./data/valuation_data_sample.pkl', 'wb') as f:
        pickle.dump(valuation_data, f)

    print("初始数据集构建完成！数据已保存至 ./data/ 目录下。")
    return all_data, valuation_data

if __name__ == '__main__':
    # 执行数据获取
    fetch_stock_basic()
    daily_data, val_data = build_initial_dataset()

运行这个脚本，你将在 ./data 目录下得到几个文件：股票列表、行情数据和估值数据。这是你策略分析的起点。数据质量直接决定策略的上限，因此在实际项目中，你需要考虑数据清洗（处理缺失值、异常值）、复权（前复权或后复权以保证价格连续性）等问题。

2. 因子挖掘与有效性检验：寻找Alpha的“钥匙”

多因子模型的核心在于“因子”。因子可以理解为衡量股票某种特征的指标，例如估值水平、成长性、盈利能力、市场情绪等。我们的目标是找到那些能稳定、显著预测未来股票收益的因子。

2.1 计算常见因子

我们基于获取到的日线数据和基本面数据，计算几个经典因子。创建一个新的文件 factor_calculator.py。

import pandas as pd
import numpy as np
from scipy import stats
import warnings
warnings.filterwarnings('ignore')

class FactorCalculator:
    def __init__(self, price_data_dict, valuation_data_dict):
        """
        初始化因子计算器
        :param price_data_dict: 字典，key为股票代码，value为日线DataFrame
        :param valuation_data_dict: 字典，key为股票代码，value为估值DataFrame
        """
        self.price_data = price_data_dict
        self.val_data = valuation_data_dict
        self.all_codes = list(price_data_dict.keys())

    def calculate_momentum(self, window=20):
        """计算动量因子：过去N日的收益率"""
        momentum_factors = {}
        for code in self.all_codes:
            df = self.price_data[code].copy()
            if len(df) < window:
                continue
            # 使用复权收盘价计算收益率
            df['returns'] = df['close'].pct_change()
            # 过去window日的累计收益率作为动量因子
            df['momentum'] = df['close'].pct_change(window)
            momentum_factors[code] = df[['momentum']]
        return momentum_factors

    def calculate_valuation_factor(self, factor_name='pe_ttm'):
        """计算估值类因子，如市盈率PE、市净率PB的倒数（通常估值越低越好）"""
        valuation_factors = {}
        for code in self.all_codes:
            if code not in self.val_data:
                continue
            df = self.val_data[code].copy()
            if factor_name not in df.columns:
                continue
            # 对于PE、PB，通常取其倒数（EP、BP），代表收益率，值越大越好
            if factor_name in ['pe_ttm', 'pb']:
                # 处理无穷大或零值
                df[f'inv_{factor_name}'] = 1 / df[factor_name].replace([np.inf, -np.inf], np.nan)
                valuation_factors[code] = df[[f'inv_{factor_name}']]
            else:
                valuation_factors[code] = df[[factor_name]]
        return valuation_factors

    def calculate_liquidity_factor(self, window=10):
        """计算流动性因子：过去N日的平均换手率"""
        liquidity_factors = {}
        for code in self.all_codes:
            if code not in self.val_data:
                continue
            df = self.val_data[code].copy()
            if 'turnover_rate' not in df.columns:
                continue
            df['avg_turnover'] = df['turnover_rate'].rolling(window=window, min_periods=5).mean()
            liquidity_factors[code] = df[['avg_turnover']]
        return liquidity_factors

    def calculate_volatility_factor(self, window=20):
        """计算波动率因子：过去N日收益率的标准差（代表风险）"""
        vol_factors = {}
        for code in self.all_codes:
            df = self.price_data[code].copy()
            if len(df) < window:
                continue
            df['returns'] = df['close'].pct_change()
            df['volatility'] = df['returns'].rolling(window=window, min_periods=10).std()
            vol_factors[code] = df[['volatility']]
        return vol_factors

    def calculate_size_factor(self):
        """计算规模因子：总市值的对数（通常小市值股票可能有超额收益）"""
        size_factors = {}
        for code in self.all_codes:
            if code not in self.val_data:
                continue