JoinQuant 策略环境中直接调用聚宽因子库因子的方法与示例

请问策略环境里，可以直接调用聚宽因子库的因子吗？

在策略环境中：

# 获取因子值
# get_factor_values 有三个参数，context、因子列表、股票池；
# 例如： factor_values = get_factor_values(context, [gross_profitability()], universe)
因子列表里用的因子都是需要额外定义 Class才能使用，请问可以直接调用聚宽因子库里的因子吗？

如果可以的话 请给一个sample，谢谢。

在 JoinQuant 的策略环境中，完全可以直接调用聚宽因子库中已经提供好的因子，而不需要你自己去额外定义 Class。

你只需要使用 jqfactor 模块中的 get_factor_values 函数，并在 factors 参数中传入你想要获取的**因子名称（字符串格式）**即可。

get_factor_values 函数说明

get_factor_values(securities, factors, start_date=None, end_date=None, count=None)

• securities: 股票池，单只股票（字符串）或一个股票列表。
• factors: 因子名称，单个因子（字符串）或一个因子列表。聚宽因子库中的因子名称可以通过 get_all_factors() 查看。
• start_date: 开始日期，字符串或 datetime 对象，与 count 参数二选一。
• end_date: 结束日期，字符串或 datetime 对象。
• count: 截止 end_date 之前交易日的数量（含 end_date 当日），与 start_date 参数二选一。

策略环境中的调用示例 (Sample)

下面是一个在策略环境中直接调用聚宽因子库因子（例如：Skewness60 和 net_profit_ratio）的完整示例：

# 导入聚宽函数库
import jqdata
# 导入获取因子的函数
from jqfactor import get_factor_values

def initialize(context):
    # 设定沪深300作为基准
    set_benchmark('000300.XSHG')
    # 开启动态复权模式(真实价格)
    set_option('use_real_price', True)
    
    # 设定要操作的股票池，这里以平安银行和万科A为例
    g.stocks = ['000001.XSHE', '000002.XSHE']
    
    # 每天开盘前运行
    run_daily(before_market_open, time='09:00')

def before_market_open(context):
    # 获取前一个交易日的日期
    yesterday = context.previous_date
    
    # 我们想要获取的因子列表（直接使用聚宽因子库中的因子名称字符串）
    # Skewness60: 个股收益的60日偏度 (风险因子)
    # net_profit_ratio: 销售净利率 (质量因子)
    factor_list = ['Skewness60', 'net_profit_ratio']
    
    # 调用 get_factor_values 获取因子值
    # 注意：为了避免未来函数，end_date 使用前一个交易日 (yesterday)
    factor_data = get_factor_values(securities=g.stocks, 
                                    factors=factor_list, 
                                    end_date=yesterday, 
                                    count=1)
    
    # factor_data 是一个字典，key 是因子名称，value 是 pandas.DataFrame
    # 查看 Skewness60 因子值
    skewness_df = factor_data['Skewness60']
    log.info("\n=== Skewness60 因子值 ===\n%s" % skewness_df)
    
    # 查看 net_profit_ratio 因子值
    net_profit_df = factor_data['net_profit_ratio']
    log.info("\n=== net_profit_ratio 因子值 ===\n%s" % net_profit_df)
    
    # 你可以根据获取到的因子值进行后续的选股或调仓逻辑
    # 例如：获取平安银行昨天的销售净利率
    # pa_net_profit = net_profit_df['000001.XSHE'].iloc[0]
    # log.info("平安银行销售净利率: %s" % pa_net_profit)

总结

1. 不需要自定义 Class：只要是聚宽因子库里有的因子，直接传字符串名字就行。
2. 注意避免未来函数：在策略中调用时，end_date 最好传入 context.previous_date，以获取前一个交易日的因子值，避免使用当天的未知数据。
3. 返回值结构：返回的是一个字典，键是因子名，值是 DataFrame（行是日期，列是股票代码）。