《掌握量化交易技术：打造个性化因子库，提升交易效率！》

一、前言

在量化研究中，快速生成因子并持续维护因子数据是基础环境的关键。相比于使用Python调用数据计算，我们推荐使用简单高效的VBA语法来维护和生成因子。它有3大优点：

优点1：VBA语言简洁高效，无需处理数据对齐和数据类型；

优点2：生成的数据可以同步展示在界面端，便于获取截面和时序数据；

优点3：自由度高，因子完全在本地进行生成，充分利用电脑性能。

操作步骤如下：

1.使用VBA语句编写所需的因子公式，以MACD、KDJ指标为示例。 2.使用Python文件进行统一调度运行因子计算。 3.通过界面或策略函数调用因子值。

二、具体操作指引：

1.在系统中利用VBA语法编写经典的MACD和KDJ因子，可根据实际情况修改参数。（详见代码）

macd

s:= 12;
p:= 26;
m:= 9;
DIF: EMA(C,s) - EMA(C,p);
DEA: EMA(DIF,m);
MACD:DIF - DEA;

kdj

input : n(9, 1, 100, 10), p1(3, 2, 40,4), p2(3,2,40,4);
RSV:IF((HHV(HIGH,N)-LLV(LOW,N)),(CLOSE-LLV(LOW,N))/(HHV(HIGH,N)-LLV(LOW,N))*100,0);
K:SMA(RSV,P1,1);
D:SMA(K,P2,1);
J:3*K-2*D

2.通过Python脚本实现统一调度。（详见代码）

#coding:gbk
import traceback
import time


def after_init(C):
    #扩展数据
    #字典格式 extend_data_dict vba模型名称 : 其中的指标名列表
    extend_data_dict = {'atr': ['atr'],'macd':['macd'],'kdj':['k','d','j']}
    hsa = C.get_stock_list_in_sector('沪深A股')
    hsa_market_first = [stock[-2:] + stock[:-3] for stock in hsa]
    #basket = {i[-2:]+ i[:6] : 1 for i in hsa}
    total, count = sum([len(v) for k,v in extend_data_dict.items()]), 0
    failed_list = []
    for extend_name in extend_data_dict:
        _data = extend_data_dict[extend_name]
        try:
            t0 = time.time()

            data_list = call_formula([extend_name], hsa ,'1d', 'front_ratio', {}, [],"20140101","",-1)
            print(f"{extend_name} {_data} 调用vba耗时 ", time.time() - t0)
            _t = time.time()
            #按股票品种 取出结果
            for key in extend_data_dict[extend_name]:
                result_dict = {}
                # print(x)
                for d in data_list:
                    stock = d['stock']
                    result = d['result']
                    result = {i : result[i][key] for i in result}
                    result_dict[stock] = result

                extend_dict = {}
                for stock in result_dict:
                    code = stock[-2:] + stock[:-3]
                    for date in result_dict[stock]:
                        #时间字符串 转为毫秒时间戳
                        t = int(time.mktime(time.strptime(date,'%Y%m%d')) *1000)
                        if t not in extend_dict:
                            extend_dict[t] = {}
                        extend_dict[t][code] = result_dict[stock][date]
                print('转换用时', time.time() - _t)
                # print(222222, extend_name, extend_name in extend_data_dict)

                name = create_extend_data('扩展数据', key, True)
                reset_extend_data_stock_list(key, hsa_market_first)
                set_extend_data(name, extend_dict)
                count += 1
                print(f"{key} 保存扩展数据 总用时 {time.time() - t0}秒 进度 {count} / {total} ")
        except:
            print(traceback.format_exc())
            print(f"{extend_name} 扩展数据 生成失败")
            failed_list.append(extend[1])
    #外部数据
    #数据#datas = {timetag : value} 时间戳与扩展数据相同 为毫秒级的
    datas = {1579881600000 : 25, 1579968000000 : 26, 1580054400000 : 27}
    #生成外部数据
    #参数依次为(父节点, 名称, 周期, 数据集, 是否覆盖)
    #周期是对应秒数 日线为86400000 五分钟 300 一分钟 60
    ext_name = create_external_data('单值数据', '测试扩展数据名称', 86400000, datas, False)
    print('生成完成 外部数据名称', ext_name)

3.回测时使用因子值。（详见代码）

# coding:gbk

def init(C):
    C.stock_list = get_stock_list_in_sector("沪深A股")

# 以上面生成后的MACD指标值为例
def handlebar(C):
    _time = timetag_to_datetime(C.get_bar_timetag(C.barpos), "%Y%m%d")
    for i in C.stock_list:
        MACD = ext_data('macd',i,0,C)
        print(_time,f"MACD -- {i}:{MACD}")

4.在界面端查看历史截面因子数据（示例图）

投研端导入外部数据进行展示

若本地已有计算好的因子值或外部行情源，投研端支持对接展示。以下示例展示将外部数据导入到投研端，并在界面展示的过程。（详见代码）

#coding:gbk
import traceback
import time
def after_init(C):
    #外部数据
    #数据#datas = {timetag : value} 时间戳与扩展数据相同 为毫秒级的
    datas = {1579881600000 : 25, 1579968000000 : 26, 1580054400000 : 27}
    #生成外部数据
    #参数依次为(父节点, 名称, 周期, 数据集, 是否覆盖)
    #周期是对应秒数 日线为86400000 五分钟 300 一分钟 60
    ext_name = create_external_data('单值数据', '测试扩展数据名称', 86400000, datas, False)
    print('生成完成 外部数据名称', ext_name)

运行这段代码后，我们可以在 扩展 - 外部数据 - 单值数据中找到生成的数据图像

一起来试试打造自己的因子库吧！投资无秘密，全靠执行力！

不清楚的内容可添加下方助理微信咨询，有其他 QMT 小技巧想学习的吗？欢迎在下方留言，笔者将根据大家的留言持续更新哦！

欢迎和我一起加入迅投组建的 QMT 实战交流社群，交流群内有许多做量化交易的高手和大佬，具有良好的分享和互助氛围。且迅投官方会不定期为多次分享、乐于助人的群友申请送投研专业版的机会。

只需扫描下方的二维码，名额有限，限时加入。一起分享见解、交换信息、并共同进步，就像群友说的：“就算周末，晚上也有地方沟通交流！”

data_list = call_formula
错误提示没有这个函数call_formula