分布估计下的主动买入占比
这个因子，笔者第一次看到是在长江证券首席分析师覃川桃老师的研报《基础因子研究（十二）——高频因子（七）：分布估计下的主动成交占比》中看到的。这篇研报发表于2020年8月10日。
最近，又在《Active Equity Management》这本书中看到了类似的思想。
关于这个因子，笔者在最古早的文章中复现了一半，而且是用日频数据复现的，就不贴出来献丑了。
这次，再次复现这个因子主要是有两点考虑。
第一点，在更高频的数据上看看效果。
第二点，在《Active Equity Management》这本书中有一个因子吸引了笔者的兴趣，但是复现需要用到主动买入和主动卖出的划分，所以先来复现一下主动买入占比这个因子。
计算公式和代码
这个因子的计算思想是这样的，根据收益率的分布情况推算主动买入的概率，再用主动买入的概率乘上成交额求和，最后计算主动买入的金额与总成交额的比值。
1
计算公式
在研报中，一共有四种计算方式。
第一种，T分布主动占比因子。
第二种，正态分布主动占比因子。
第三种，置信正态分布主动占比因子。
第四种，均匀分布主动占比因子。
这个因子有两点需要注意。
第一点，分子中的减号应该换成加号。A股大部分标的的涨停幅度是10%，此时代入公式计算主动买入金额为0，显然是不科学的。所以，需要将减号换成加号。
第二点，科创板和创业板现在的涨停是20厘米，理论上来说这个因子应该按照不同板块来计算。在这里，笔者为了简单快速的计算因子，直接对计算结果进行了限制，使其符合逻辑。
第五种，朴素主动占比因子。
这个因子，笔者是根据资金流向因子改的。认为收益率大于0的时刻对应的金额都是主动买入的。
2
代码
def process_single_day(self, idx):
代码基本上都是按照公式来的。
第18行，计算的是第五种因子。
第20-24行，计算的是第一种因子。
第26-34行，计算的是第二种和第三种因子。
第36-37行，计算的是第四种因子。
这里需要注意的是第12-15行，这里是为了获取前一个交易日的收盘价而设计的。通过last_close这个属性，保留了前一个交易日的收盘价。
同时，为了避免复权因子的影响，在第7-9行获取了复权因子。
因子评价
从相关性来看，这一系列因子可以分成三类。均匀分布和置信正态分布的相关性很高，正态分布和t分布的相关性很高，剩下的一个独自一类。
至于因子评价结果，可以说是一言难尽啊！
用标准差合成的月度因子，IC高一点点，但是分层回测结果并不是很好。用均值合成的月度因子，t分布和正态分布计算的因子分层回测表现好，但是IC就差了很多了。朴素主动占比因子的IC高了很多（有三年超过0.06，其中两年超过了0.08），但是分层回测就差了。
01
IC分析
这个IC确实表现不好，有三年低于0.01，还有两年也就刚刚超过了0.01，最高的一年都没能超过0.035。
02
回归分析
03
换手率分析
04
收益分析
不过，从分层回测来看却是一个看起来还行的因子。
在整个回测区间中，它表现出了很好的单调性。同时，因子值最小的两组从2020年开始就远落后于其他三组了。
那么问题来了，这个因子到底算好还是不好呢？