因子研发考试_上

题目一：单个排序因子编码回测

（不要求数据时间长度）
1. 用JAQS读取float_mv因子的DataFrame数据
2. 读取hs300价格的收盘价数据(close_adj)
3. 读取mask过滤条件的DataFrame
4. 将因子数据的索引转换成datatime格式

题目二：将题目一的因子输入Alphalens回测

1. 将因子转换成MultiIndex格式
2. 用alphalens.utils.get_clean_factor_and_forward_returns()获得factor_data，设置quantiles=6, period=5,10,20,60
3. 用alphalens.performance.mean_return_by_quantile()计算mean_return_by_quantile
4. 用alphalens.plotting.plot_cumulative_returns_by_quantile()用图表显示quantile累积收益
5. 用alphalens.tears.create_information_tear_sheet()获取IC的表格
   

题目三：显示多个因子IC绩效报告

1. 读取5个因子['pb', 'roe', 'roa', 'ps_ttm', 'pe_ttm']
2. 用JAQS的process对因子进行去极值，标准化，加干扰处理
3. 用alphalens.performance.mean_information_coefficient()计算每个因子持有不同时间长度(1,5,10,20,60)的月度平均IC
4. 将月度平均IC与月度的标准差DataFrame打印出来

题目四：添加单个技术排序因子

1. 用JAQS读取过滤条件与可买卖的DataFrame
2. 读取hs300价格的收盘价数据(close_adj)
3. 自定义设计并添加一个价增量增的排序算法因子
   (绩效图)

题目五： 将题目四的因子通过类获取因子的signal_data
1. 编写初始化SignalDigger的方法，实例化process_signal_before_analysis()
2. 编写绩效图形展示的方法
3. 编写获取signal_data的方法
4. 执行绩效图形可视化与执行打印signal_data
5. 读取signal_data的Quantile5数据，并将其保存成excel
(绩效图与excel)

题目六： 编写事件驱动
1. 添加一个事件驱动：close_adj大于五日平均的vwap_adj而前一天是close_adj小于五日平均的vwap_adj。
2. 计算binary事件
3. 执行绩效图形可视化与执行打印事件为1的数据，并将其保存成excel
(绩效图与excel)