请教一下：单因子分析主要看哪个指标呢？研究文档中alpha_046的IR也不算高，怎么看出是比较有效的因子呢？

这个可以学习

因子发出来就不好用了

学习了，多谢分享

@liangshulsh 不会，都是已知因子

@胜巴马 同问，ir要超过0.5才算有效吧

研究里面，后面这几个图表怎么看呢

按列标准化会引入未来函数。

学习，回复赚积分

学习了，多谢分享

@felixice 能展开说说吗？原文只有下面的代码做了标准化。 for date in date_list: # #对数据进行处理、标准化、去极值、中性化 factor_df = winsorize_med(factor_df, scale=3, inclusive=True, inf2nan=True, axis=0) #中位数去极值处理 se = standardlize(factor_df[date], inf2nan=True) #对每列做标准化处理。 factor_df[date] 只有一列数据，index是股票代码不是日期。例如： code 000015.XSHG 1.000840 000016.XSHG 0.994821 000300.XSHG 0.997115 000852.XSHG 1.000690 000905.XSHG 1.000385

感谢

牛牛牛

谢谢你

@特拉法尔加小号 在对一个保存着股票多个日期多个因子的Pandas DataFrame 进行数据标准化处理时，如果按照列（即因子）进行标准化，确实可能会引入未来信息的问题，这取决于标准化的实施方式和数据的组织结构。 标准化通常是为了使不同尺度的数据能够在同一水平上进行比较。如果按照列进行标准化，那么每个因子的标准化将基于该因子在整个数据集中的所有观测值。在时间序列数据的情况下，如果数据集包含了时间顺序，那么标准化过程可能会使用未来数据点来计算当前数据点的标准化值，这就会导致“未来函数”的问题，即使用了尚未发生的数据来影响当前的决策。 例如，假设你有一个DataFrame，其中包含了不同日期的股票价格和其他因子，如下所示： ``` Price Factor1 Factor2 Date 2023-01-01 100 10 20 2023-01-02 102 12 21 2023-01-03 101 11 19 ``` 如果你在2023-01-01进行交易决策，按照列进行标准化时，计算2023-01-01的标准化值会使用2023-01-02和2023-01-03的数据，这样就引入了未来信息。 为了避免这个问题，应该按照时间顺序（行）进行标准化，这样每个数据点的标准化只基于当前及之前的数据。这可以通过滚动标准化或使用固定的窗口大小来实现，确保不会使用未来数据点。 因此，如果有人说“按列标准化会引入未来函数”，这种说法是正确的，特别是在时间序列数据的上下文中。在进行数据标准化时，应该小心处理数据，确保不会违反时间序列的顺序性。

@将就 学习了，致敬大佬

学习，******