112 lines
6.2 KiB
Python
112 lines
6.2 KiB
Python
import pandas as pd
|
||
import numpy as np
|
||
|
||
def holder_trade_factors(all_data_df: pd.DataFrame,
|
||
stk_holdertrade_df: pd.DataFrame) -> pd.DataFrame:
|
||
"""
|
||
计算基于股东增减持数据的因子。
|
||
|
||
Args:
|
||
all_data_df (pd.DataFrame): 包含每日股票数据的 DataFrame，
|
||
必须包含 'ts_code' 和 'trade_date' 列。
|
||
stk_holdertrade_df (pd.DataFrame): 包含股东增减持信息的 DataFrame。
|
||
必须包含 'ts_code', 'ann_date',
|
||
'in_de' (例如, '增持', '减持'),
|
||
和 'change_ratio'。
|
||
|
||
Returns:
|
||
pd.DataFrame: 添加了新的股东增减持因子的 all_data_df DataFrame。
|
||
"""
|
||
print("开始计算股东增减持因子...")
|
||
|
||
# --- 1. 预处理 stk_holdertrade_df ---
|
||
# 创建副本以避免修改原始传入的DataFrame
|
||
stk_trade_processed_df = stk_holdertrade_df.copy()
|
||
|
||
# 确保 'ann_date' 是 datetime 类型
|
||
stk_trade_processed_df['ann_date'] = pd.to_datetime(stk_trade_processed_df['ann_date'])
|
||
|
||
# 将 'in_de' 映射为数值: 1 代表 '增持', -1 代表 '减持'
|
||
# 请根据你数据中实际的 'in_de' 字符串调整
|
||
in_de_map = {'增持': 1, '减持': -1} # 假设是这两个值
|
||
# 如果你的值是 '1' 和 '2' (1代表增持, 2代表减持)，则映射应相应调整
|
||
# 或者如果 'in_de' 已经是 1 和 -1 (或类似数值)，则可以跳过映射，但要确保类型正确
|
||
stk_trade_processed_df['_direction'] = stk_trade_processed_df['in_de'].map(in_de_map)
|
||
# 如果 _direction 列在映射后可能产生NaN (因为in_de中有未覆盖的值)，需要处理
|
||
if stk_trade_processed_df['_direction'].is_null().any():
|
||
print("警告: 'in_de' 列中存在未映射的值，可能导致 _direction 列出现NaN。")
|
||
# 可以选择填充NaN，例如用0填充，或者移除这些行
|
||
# stk_trade_processed_df['_direction'].fillna(0, inplace=True)
|
||
|
||
# 计算有效变动比例 (方向 * 变动比例)
|
||
# 确保 change_ratio 是数值类型。假设 change_ratio 是一个正确的比例值 (例如 0.005 代表 0.5%)。
|
||
# 如果 change_ratio 是百分点 (例如 0.5 代表 0.5%)，你可能需要除以 100。
|
||
stk_trade_processed_df['change_ratio'] = pd.to_numeric(stk_trade_processed_df['change_ratio'], errors='coerce')
|
||
stk_trade_processed_df['_effective_change'] = stk_trade_processed_df['_direction'] * stk_trade_processed_df['change_ratio']
|
||
|
||
# 按股票代码和公告日期聚合当日的多次增减持操作
|
||
daily_trade_agg = stk_trade_processed_df.groupby(['ts_code', 'ann_date']).agg(
|
||
net_change_ratio_daily=('_effective_change', 'sum'),
|
||
any_increase_daily=('_direction', lambda x: (x == 1).any().astype(int)),
|
||
any_decrease_daily=('_direction', lambda x: (x == -1).any().astype(int))
|
||
).reset_index()
|
||
|
||
# 将 'ann_date' 重命名为 'trade_date' 以便与 all_data_df 合并
|
||
daily_trade_agg = daily_trade_agg.rename(columns={'ann_date': 'trade_date'})
|
||
|
||
# --- 2. 与 all_data_df 合并 ---
|
||
# 创建 all_data_df 的副本进行操作
|
||
df_merged = all_data_df.copy()
|
||
df_merged['trade_date'] = pd.to_datetime(df_merged['trade_date']) # 确保日期类型一致
|
||
|
||
# 使用左合并保留 all_data_df 的所有行，并在有增减持公告的日期添加信息
|
||
df_merged = pd.merge(df_merged, daily_trade_agg, on=['ts_code', 'trade_date'], how='left')
|
||
|
||
# 对于没有增减持公告的日期，填充NaN值为0（表示当天无变动或无公告）
|
||
df_merged['net_change_ratio_daily'] = df_merged['net_change_ratio_daily'].fillna(0)
|
||
df_merged['any_increase_daily'] = df_merged['any_increase_daily'].fillna(0)
|
||
df_merged['any_decrease_daily'] = df_merged['any_decrease_daily'].fillna(0)
|
||
|
||
# --- 3. 计算滚动因子 ---
|
||
# !!! 关键步骤：确保在 groupby().rolling() 之前按分组键和时间键排序 !!!
|
||
# 这一步至关重要，以保证滚动计算后的 Series 在 reset_index 后能正确对齐
|
||
df_merged = df_merged.sort_values(['ts_code', 'trade_date']).reset_index(drop=True)
|
||
|
||
grouped = df_merged.groupby('ts_code', group_keys=False) # group_keys=False 避免在结果中保留分组键作为索引层级
|
||
|
||
# 因子: 过去N日净变动比例之和
|
||
for N in [10]:
|
||
rolling_series = grouped['net_change_ratio_daily'].rolling(window=N, min_periods=1).sum()
|
||
df_merged[f'holder_net_change_sum_{N}d'] = rolling_series.reset_index(level=0, drop=True)
|
||
|
||
# 因子: 过去N日发生增持的天数
|
||
for N in [10]:
|
||
rolling_series = grouped['any_increase_daily'].rolling(window=N, min_periods=1).sum()
|
||
df_merged[f'holder_increase_days_{N}d'] = rolling_series.reset_index(level=0, drop=True)
|
||
|
||
# 因子: 过去N日发生减持的天数
|
||
for N in [10]:
|
||
rolling_series = grouped['any_decrease_daily'].rolling(window=N, min_periods=1).sum()
|
||
df_merged[f'holder_decrease_days_{N}d'] = rolling_series.reset_index(level=0, drop=True)
|
||
|
||
# 因子: 过去N日是否发生过增持 (布尔标志)
|
||
for N in [10]:
|
||
rolling_series_sum = grouped['any_increase_daily'].rolling(window=N, min_periods=1).sum()
|
||
df_merged[f'holder_any_increase_flag_{N}d'] = (rolling_series_sum > 0).astype(int).reset_index(level=0, drop=True)
|
||
|
||
# 因子: 过去N日是否发生过减持 (布尔标志)
|
||
for N in [10]:
|
||
rolling_series_sum = grouped['any_decrease_daily'].rolling(window=N, min_periods=1).sum()
|
||
df_merged[f'holder_any_decrease_flag_{N}d'] = (rolling_series_sum > 0).astype(int).reset_index(level=0, drop=True)
|
||
|
||
# 因子: 过去N日净“活动”得分 (增持天数 - 减持天数)
|
||
for N in [10]:
|
||
# 直接使用已经计算好且索引对齐的列
|
||
df_merged[f'holder_direction_score_{N}d'] = df_merged[f'holder_increase_days_{N}d'] - df_merged[f'holder_decrease_days_{N}d']
|
||
|
||
# 清理在合并过程中产生的每日临时列（如果不再需要它们）
|
||
df_merged.drop(columns=['net_change_ratio_daily', 'any_increase_daily', 'any_decrease_daily'], inplace=True, errors='ignore')
|
||
|
||
print("股东增减持因子计算完成。")
|
||
return df_merged
|