分组动手练习

在米筐上因子数据没有处理，提供的很多因子没有默认分类，存在一些因子没有的情况，我们就选择一些常见的因子。

价值因子	质量因子	成长因子（历史名称）
pe_ratio	return_on_invested_capital	in_revenue
pcf_ratio	du_return_on_equity	inc_eps
pb_ratio	return_on_asset_net_profit	inc_total_asset
market_cap	return_on_equity	inc_net_profit
ps_ratio	return_on_asset	inc_earnings_per_share
	earnings_per_share	inc_operation_revenue
	net_profit_to_revenue	revenue

代码

分析时间 20170101-20180101

factor_name = 'inc_revenue_ttm' # 更换因子名称 获取分析结果
# 准备因子数据 basic_earnings_per_share
all_data = pd.DataFrame()
# 获取这一年的交易日 日期列表
date = get_trading_dates(start_date='20170101', end_date='20180101')

stocks = all_instruments('CS').order_book_id
for i in range(len(date)):
    # 获取当天date[i] 因子数据
    factor = get_factor(stocks, factor=[factor_name], start_date=date[i], end_date=date[i])
    #  print(factor)
    # 拼接在一起
    all_data = pd.concat((all_data, factor))

成长因子测试

数据获得方法：链接

官网成长因子查询

7个成长因子，分析结果

从结果上看（可能打分阈值较为严格，可根据实际情况修改阈值）：
因子：inc_return_on_equity_ttm 表现较好 可以作为备选因子。

个评分第一名，加一分

从结果上看
因子：inc_return_on_equity_ttm
operating_revenue_growth_ratio_ttm
表现较好 可以作为备选因子。