13.3 因子分析的结果
前面讲解的因子分析的基础知识及实现代码，下面利用JoinOuant (聚宽)量化交易平台新建因子，并查看因子分析的结果。
13.3.1 新建因子
在浏览器的地址栏中输入"https://www.joinquant.com"，回辈，进入JoinOuant (聚宽) 量化交易平台的首页页面。
单击菜单栏中的"我的策略/单因子分析"命令，进入我的因子页面，如图13.2 所示。
在我的因子页面中，单击"新建因子"按钮，就可以新建一个因子，然后编写Python 代码， 具体如下:
第一行代码: from jqfactor import Factor ，是指从jqfactor 模块中导入Factor 类。其他代码与前面讲过的代码基本相同，这里不再多说。
下面设置因子分析的开始时间和结束时间， 一般都采用默认，即开始时间是2017 年10 月1 日， 结束时间是2018 年4 月1 日。还要设置股票池，股票池要么是沪深300 ，要么是中证500 ，如图13.3 所示。
接下来就可以编译运行代码，单击"编译运行"按钮即可。在编译运行过程中，可以查看"曰志"，单击按钮。在"曰志"中可以看到因子分析过程中的提示信息，如图13.4 所示。
编译运行完成后，单击按钮，就可以看到分位数累积收益图表信息，如图13.5 所示。
需要注意的是，为了达到测试因子是否有效的结果，我们往往会分层测试:将样本排序后划分为5 类，每一类成为一个分位数，同时构建一个策略组合，分别测试其收益。
这里测试了股市中"热钱效应"的因子(money) ，会发现该效应短时间内的预测效应较强，即单曰成交额较大的股票在未来短时间内上涨的可能性更大。
13.3.2 收益分析
单击分位数累积收益图表信息上方的"分析"按钮，开始进行因子分析，因子分析完成后，首先看到的就是收益分析，如图13.6 所示。
收益分析包括18 种，分别是各分位数平均收益、1 天分位数累计收益、1 天多空组合收益、5 天分位数累计收益、5 天多空组合收益、10 天分位数累计收益、10 天多空组合收益、房地产指数平均收益、日常消费指数平均收益、能源指数平均收益、金融指数平均收益、信息技术指数平均收益、医疗保健指数平均收益、公用事业指数平均收益、材料指数平均收益、电信服务指数平均收益、工业指数平均收益、可选消费指数平均收益。
( 1 ) 各分位数平均收益:表示持仓1 天后，各分位数可以获得的平均收益。
( 2 ) 1 天分位数累计收益:表示持仓1 天后，各分位数持仓收益的累计值。
( 3 ) 1 天多空组合收益:表示持仓1 天后，做多一分位，做空五分位的投资组合的收益。
( 4 ) 5 天分位数累计收益:表示持仓5 天后，各分位数持仓收益的累计值。
1 天多空组合收益和5 天分位数累计收益如图13.7 所示。
( 5 ) 5 天多空组合收益: 表示持仓5 天后，做多一分位，做空五分位的投资组合的收益。
( 6 ) 10 天分位数累计收益: 表示持仓10 天后， 各分位数持仓收益的累计值。
5 天多空组合收益和10 天分位数累计收益如图13.8 所示。
( 7 ) 10 天多空组合收益:表示持仓10 天后，做多一分位，做空五分位的投资组合的收益。
( 8 ) 房地产指数平均收益:表示持仓1 、5 、10 天后，房地产指数可以获得的平均收益。
10 天多空组合收益和房地产指数平均收益， 如图13.9 所示。
( 9 ) 日常消费指数平均收益: 表示持仓1 、5 、10 天后，日常消费指数可以获得的平均收益。
( 10 ) 能源指数平均收益: 表示持仓1 、5 、10 天后，能源指数可以获得的平均收益。
曰常消费指数平均收益和能源指数平均收益，如图13.10 所示。
通过向下拖动垂直滚动条，还可以查看持仓1 、5 、10 天后，金融指数、信息技术指数、医疗保健指数、公用事业指数、材料指数、电信服务指数、工业指数、可选消费指数可以获得的平均收益。
13.3.3 IC 分析
IC 是information coefficient 的缩写， IC 代表了预测值和实现值之间的相关性，通常用于评价预测能力。取值在-1 到1 之间，值越大，表示预测能力越好。
IC 的计算，一般有两种方法，分别是normal IC 和rank IC。normal IC是因子载荷与因子收益之间的相关系数。Rank IC 是因子载荷的排序值与收益的排序值之间的相关系数。JoinQuant (聚宽)量化交易平台计算的是rank IC 。
由于单日IC 的波动较大，这里还提供了IC 的月度移动平均线作为参考，即22 日移动平均线。
单击左侧的"IC 分析"，就可以看到1 天IC 和5 天IC ，如图13.11所示。
向下拖动垂直读动条，还可以查看到10 天IC 和行业IC 的图表信息，如图13.12 所示。
13.3.4 换手分析
换手分析，即换手率分析。因子的换手率是在不同的肘间周期下，观察因子个分位中个股的迸出情况。例如，某因子第一分位持有的股票数量为30只，一天后有一只发生变动，换手率为: 1 ~ 30 x 100% = 3.33% 。
因子分位数换手率的价值体现在两个方面，分别是因子稳定性的体现和衡量交易成本。
1. 因子稳定性的体现
换手率低的因子，因子值在时间序列层面的持续性更好。
2. 衡量交易成本
在实际的交易过程中，假设要维护投资组合的因子表现恒定，对于高换手率因子，需要进行更多的交易，交易中的税费和滑点，也会吞噬掉部分利润。
单击左侧的"换手分析"，就可以看到1 天换手率和5 天换手率，如图13.13 所示。
向下拖动垂直读动条，还可以查看到10 天换手率图表信息，如图13.14所示。
