@海海 是的，我后面的策略确实存在你说的问题，而且在因子选择上我也没有打分，只是随机选的，前面的函数模块其实是可以实现因子打分的，通过因子打分筛选因子，再进一步选股，这样要严谨的多。但是我理解，现在基于多因子选股策略一般不会在实际中应用，可能更多的是辅助分析，所以写了一个框架之后没有进一步实现各种策略。 最近在思考怎样用机器学习和深度学习建模，探索深层规律。 请您多指教O(∩_∩)O

@云帆 为啥多因子不会在实际中应用？

@海海 我的看法：基于一般的多因子筛选策略已经被研究透了，策略失效风险较大，而更有效的策略应该是多种策略的组合或者通过更深度的数据挖掘探索规律，这样的策略也许更容易在未来占据优势。也是基于这种想法，我就没有过多的研究简单的多因子策略，而是转向思考怎样更有效的进行数据挖掘。 我是新手，对量化理解尚不深刻，理解偏差的地方请您指正。

@云帆 嗯 好像很多人跟你的相反一样 对多因子很失望! 当然我也没办法认为多因子是有效的 因为我也在进行中，至于你说的数据挖掘规律我觉得跟 是多因子还是策略组合还是机器学习其实是两回事，简单说不管什么方式都是基于挖掘数据的内在规律. 简单因子组合或者策略组合 更倾向与技术性，就像几个搞技术的合伙做一件事发挥各自之长，而多因子更像会用人的老板，重点在于恰如其分的发挥各个因子的优势。觉得是不同的两种思路，技术性思路2-3个可以 多了就要散伙，管理型思路，因子太少手下无可用之兵。。你觉得呢

@海海 嗯，非常同意你的看法。 其实我觉得多因子应该是有效的，因子值是量化最重要的数据源之一，只是目前我能想到的，还有看到的多因子策略，基本上别人都用的很多了，所以不够自信，才努力借用更多数学工具，转向更深入的研究。另外，我相信一定有牛人对因子策略有深入的研究，能形成好的策略，只是我没有看到。 刚才看了一下您的文章，感觉遇到牛人了，哈哈。以后请您多指教！O(∩_∩)O

@云帆 嗯嗯 互相学习嘛

作者大大，你用的系统是啥？帮看下需改哪里，拜托！ 我在聚宽云端试运行，应该是python2.7吧。提示： File "/tmp/strategy/user_code.py", line 235, in fund_data = get_fundamental_data(factor_list,ttm_factors,date,all_stocks) File "/tmp/strategy/user_code.py", line 231, in get_fundamental_data results = results.sort_values(by='code') File "pandas/core/generic.py", line 2150, in __getattr__ (type(self).__name__, name)) AttributeError: 'DataFrame' object has no attribute 'sort_values' 估计你运行的是3.0，因此将sort_value改为sort_index后该处编译通过，但又出现了大堆其它错误： File "/tmp/strategy/user_code.py", line 588, in cut_factor_plot(fillna_data['EPS'],demean) File "/tmp/strategy/user_code.py", line 584, in cut_factor_plot df.plot(figsize=(20,10)) File "pandas/tools/plotting.py", line 2490, in plot_frame **kwds) File "pandas/tools/plotting.py", line 2326, in _plot plot_obj.generate() File "pandas/tools/plotting.py", line 913, in generate self._setup_subplots() File "pandas/tools/plotting.py", line 962, in _setup_subplots fig = self.plt.figure(figsize=self.figsize) File "matplotlib/pyplot.py", line 535, in figure **kwargs) File "matplotlib/backends/backend_tkagg.py", line 81, in new_figure_manager return new_figure_manager_given_figure(num, figure) File "matplotlib/backends/backend_tkagg.py", line 89, in new_figure_manager_given_figure window = Tk.Tk() File "lib-tk/Tkinter.py", line 1814, in __init__ self.tk = _tkinter.create(screenName, baseName, className, interactive, wantobjects, useTk, sync, use) TclError: no display name and no $DISPLAY environment variable

@kqxtr 是的，我用的是Python3.0，你下面的报错出现在cut_factor_plot函数里面，可能是df.plot(figsize=(20,10))这一行代码，你可以试着用其他方式写一遍，例如: import matplotlib.pyplot as plt plt.figure(figsize=(20,10)) dataframe的数据显示也用plt.plot(df)显示，这个函数只是实现简单的可视化，用于观察，不影响分析思路，不用也没有关系的。 希望对你有用。

感谢了！胜利前进！现在到了line730，麻爪了。还请帮助下哈。 File "/tmp/strategy/user_code.py", line 730, in sr = get_sharpe_ratio_forward(stocks=stocks,start_date=date,end_date=trade_days_all[index+20],pre_num=20) File "/tmp/strategy/user_code.py", line 408, in get_sharpe_ratio_forward price.index = date_list ValueError: Length mismatch: Expected axis has 0 elements, new values have 21 elements line408： def get_sharpe_ratio_forward(stocks,end_date,start_date=None,count=-1,pre_num=ADJUST_DAYS): ''' 获取夏普比率,pre_num为计算时间差，在时间轴上的当期值是未来计算周期内的夏普比率， 例如：pre_num=3,2013-01-01对应的夏普比率是2013-01-01的至01-04日的夏普比率 计算时无风险利率按4%计算 input： stocks:list or Series,股票代码 start_date:开始时间 end_date：结束时间 count:与start_date二选一，向前取值个数 pre_num:int,向前计算的天数 output: profit:dataframe,index为股票代码，columns为日期，values为收益率 ''' if count == -1: price = get_price(stocks,start_date,end_date,fields=['close'])['close'] date_list = get_trade_days(start_date=start_date,end_date=end_date) price.index = date_list #line408

@kqxtr 根据这一句price.index = date_list ValueError: Length mismatch: Expected axis has 0 elements, new values have 21 elements 很可能price变量是空的，在 price = get_price(stocks,end_date=end_date,count=count,fields=['close'])['close'] 这一句里面检查一下输入的变量是不是有问题，或者自己调试一下试试，在上面一行代码后面print(price)观察一下。

难度太大。编译不通过聚宽不能输出。。 如何升3.0？ 直接改python安装路径吗？拜托。

@kqxtr 聚宽投资研究模块里面，“新建”里面直接有Python3，很简单的，不需要安装，直接用就好。加油！

@云帆 thanks! find. 调试好难，一天没啥进展，今天继续了

@kqxtr 不建议调试的，我写的代码你可能不是很熟悉，调试起来很痛苦的，效率也比较低，意义也不大，可以看一下思路，自己多看几篇相关的帖子，有不少牛人的帖子还是很不错的，然后自己形成思路，动手写一遍代码，这样效率最高了。自己动手写代码带来的提高完爆看别人的，别人代码的价值在于自己写代码的时候作为参考。遇到问题咱们可以多交流，加油！

@云帆 你的这个框架很好！和我设想的很一致。感谢了！正好有各种函数。感觉你这个框架，调通后就可以上网使用了。我的思路也是选股，优选，交易方法优化，回测，实盘。多因子选股是实操常用的，本文非常符合！再找一下其它的功能块就OK啦。 还有一个思路是选出当前出现买卖信号的个股。固定个股后，需要的交易方法是比较简单的，再针对性优化交易方法。 还希望找到买卖方法的优化策略。 python3调试很方便！thank哈。

@kqxtr 不客气，对你有用就最好了O(∩_∩)O

非常棒的内容

@kqxtr 低版本pd.DataFrame没有sort_values，只有sort

@cicikml 谢谢，多交流哈！