分類器¶

Info

本頁詳細列出 TQuant Lab Pipeline 中所有內建的因子 (Factors)、濾網 (Filters) 和分類器 (Classifiers)，並提供其用途、參數說明及使用範例，幫助使用者快速理解和應用這些核心組件。

Zipline Pipeline 提供了豐富的內建組件，讓您可以無需從頭開始編寫複雜的計算邏輯。這些組件經過優化，能夠高效地處理大量的歷史數據，生成各種交易訊號。

1. Factors (因子)¶

Factors 用於計算每個資產在每個時間點的數值。它們通常基於歷史價格、成交量或其他數據來生成技術指標或基本面指標。

1.1 SimpleMovingAverage(inputs, window_length)¶

用途：計算指定輸入數據的簡單移動平均。
參數：
- inputs (list of BoundColumn)：要計算移動平均的數據來源，例如 [TWEquityPricing.close]。
- window_length (int)：移動平均的計算窗口長度。

範例：計算 20 日收盤價移動平均。

from zipline.pipeline.factors import SimpleMovingAverage
from zipline.pipeline.data import TWEquityPricing

mean_close_20 = SimpleMovingAverage(inputs=[TWEquityPricing.close], window_length=20)

1.2 ExponentialWeightedMovingAverage(inputs, window_length, decay_rate)¶

用途：計算指定輸入數據的指數加權移動平均，對近期數據賦予更高的權重。
參數：
- inputs (list of BoundColumn)：要計算指數加權移動平均的數據來源。
- window_length (int)：指數加權移動平均的計算窗口長度。
- decay_rate (float, optional)：衰減率，用於控制權重下降的速度。如果未指定，則根據 window_length 計算。

範例：計算 20 日收盤價指數加權移動平均。

from zipline.pipeline.factors import ExponentialWeightedMovingAverage
from zipline.pipeline.data import TWEquityPricing

ewma_close_20 = ExponentialWeightedMovingAverage(inputs=[TWEquityPricing.close], window_length=20)

1.3 Momentum(inputs, window_length)¶

用途：計算指定輸入數據的動量，衡量價格變化的速度和幅度。
參數：
- inputs (list of BoundColumn)：要計算動量的數據來源，通常是收盤價。
- window_length (int)：動量計算的窗口長度。

範例：計算 10 日收盤價動量。

from zipline.pipeline.factors import Momentum
from zipline.pipeline.data import TWEquityPricing

momentum_10 = Momentum(inputs=[TWEquityPricing.close], window_length=10)

1.4 FastStochasticOscillator(inputs, window_length)¶

用途：計算快速隨機指標 (Fast Stochastic Oscillator)，即 K 值，用於判斷超買超賣。
參數：
- inputs (list of BoundColumn)：通常為 [TWEquityPricing.close, TWEquityPricing.low, TWEquityPricing.high]。
- window_length (int)：計算 K 值所需的視窗長度。

範例：計算 10 日 K 值。

from zipline.pipeline.factors import FastStochasticOscillator
from zipline.pipeline.data import TWEquityPricing

fast_k = FastStochasticOscillator(
    inputs=[TWEquityPricing.close, TWEquityPricing.low, TWEquityPricing.high],
    window_length=10
)

1.5 MarketCap(inputs, window_length)¶

用途：計算市值。通常不需要 inputs 和 window_length，因為市值是每日更新的。
參數：無特定參數，但可以鏈接 .top() 或 .bottom() 方法進行篩選。

範例：獲取市值。

from zipline.pipeline.factors import MarketCap

market_cap = MarketCap()

2. Filters (濾網)¶

Filters 用於篩選出一組符合特定條件的資產。它們的輸出是布林值 (True/False)。

2.1 StaticAssets(assets)¶

用途：篩選出一個靜態的資產列表。這些資產在整個回測期間保持不變。
參數：
- assets (list of Asset)：要包含在篩選結果中的資產列表。

範例：篩選出台積電和聯發科。

from zipline.api import symbol
from zipline.pipeline.filters import StaticAssets

my_assets = StaticAssets([symbol('2330'), symbol('2454')])

2.2 TopN(factor, N) / BottomN(factor, N)¶

用途：根據指定因子的值，篩選出排名前 N 或後 N 的資產。
參數：
- factor (Factor)：用於排序的因子。
- N (int)：要篩選的資產數量。

範例：篩選出市值排名前 100 的股票。

from zipline.pipeline.factors import MarketCap

top_100_by_market_cap = MarketCap().top(100)

2.3 邏輯運算符 (Logical Operators)¶

Filters 可以透過邏輯運算符 (& (AND), | (OR), ~ (NOT)) 進行組合，以構建更複雜的篩選條件。

範例：篩選出市值排名前 100 且 20 日均線大於 100 的股票。

from zipline.pipeline.factors import MarketCap, SimpleMovingAverage
from zipline.pipeline.data import TWEquityPricing

top_100 = MarketCap().top(100)
mean_close_20_gt_100 = SimpleMovingAverage(inputs=[TWEquityPricing.close], window_length=20) > 100

combined_filter = top_100 & mean_close_20_gt_100

3. Classifiers (分類器)¶

Classifiers 用於為資產進行分類，其輸出通常是字串或整數，代表資產所屬的類別。

3.1 Sector()¶

用途：返回每個資產所屬的產業類別。
參數：無。

範例：獲取股票的產業類別。

from zipline.pipeline.classifiers import Sector

sector_classifier = Sector()

3.2 Quantiles(factor, N)¶

用途：將一個因子的輸出值按分位數進行分組。例如，將所有股票按市值分為 5 個分位數組。
參數：
- factor (Factor)：要進行分位數分組的因子。
- N (int)：要分組的數量。

範例：將市值分為 5 個分位數組。

from zipline.pipeline.factors import MarketCap
from zipline.pipeline.classifiers import Quantiles

market_cap_quantiles = Quantiles(inputs=[MarketCap()], N=5)

4. 總結¶

TQuant Lab Pipeline 的內建組件提供了強大的基礎，讓您可以快速構建和測試各種量化策略。透過靈活組合 Factors、Filters 和 Classifiers，您可以從原始數據中提取有價值的投資訊號，並有效地管理您的股票池。