Alpha因子挖掘引擎

要解决什么问题

做 A 股量化研究时，因子往往散落在脚本里：行情与估值口径不统一、横截面预处理各写各的、IC 与衰减分析重复造轮子，最后还要手工拼图表。本技能把从数据到报告串成一条可复现的 pipeline，用 mine.py 在命令行里跑完，而不是再维护一堆零散 notebook。

技能如何工作

• 数据：在线通过 akshare 拉取日线、市值与估值；不可用时可走 --mock 几何布朗运动模拟，或在线失败时自动回退模拟数据。
• 因子（14 个）：覆盖动量（如 momentum_12m_1m）、反转、波动（含 idiosyncratic_vol）、流动性（amihud_illiq、turnover_rate）、规模与估值（ep、bp）；横截面先做 MAD 去极值，再 z-score 标准化。
• 检验与合成：Spearman IC、ICIR、t 统计、胜率、分位数组合收益；合成支持等权、IC 加权、PCA、最大化 ICIR；1–20 日 IC 衰减、最佳持有期与半衰期。
• 输出：带 IC 表/柱图、ICIR、IC 累计曲线、衰减曲线、合成对比与相关性热力图的 HTML 报告，步骤日志里带关键指标。

也可通过 Python API 嵌入自有研究流程。依赖侧核心是 numpy/pandas/scipy/scikit-learn，可视化用 matplotlib。

适用边界与注意点

• IC 用 Spearman，对极端值更稳；特质波动率缺指数时用等权组合作市场代理。
• akshare 受网络与接口变更影响，部分字段可能拿不到。
• 仅供研究，不构成投资建议。