海通高频因子构建 (Haitong High-Frequency Factors Construction)

项目简介

本项目是一个基于 Python 的高频因子计算引擎，旨在复现海通金工系列研报中的 22 个高频选股因子。项目利用 Polars 库进行高效的大规模数据处理，支持上交所和深交所的逐笔成交、逐笔委托及快照数据。

核心特性:

• 完整复现: 涵盖海通研报中的收益分布、大单资金流、交易意愿、委托成交相关性等多个维度的 22 个因子。
• 高性能: 核心计算逻辑全链路使用 Polars 实现，针对大规模逐笔数据进行了优化。
• 严格时序: 精确处理连续竞价时段，所有计算统一剔除集合竞价（开盘、收盘）及非交易时段数据。
• 灵活运行: 支持单日计算、历史区间批量计算、断点续传及特定因子指定计算。

因子覆盖范围

项目实现的因子主要参考海通金工高频系列研报（如海通19/25/46/47/49/52/57/58/59/60/66/69/70/72/85等）。

主要因子分类实现于 haitong_hf_factors/factors/ 目录下：

• 收益分布特征: 包含日内收益率的已实现方差、偏度、峰度等 (price_based.py, return_distribution.py)。
• 成交量分布: 包含尾盘成交占比等 (volume_distribution.py)。
• 单笔成交特征: 单笔成交金额、大小单划分 (trade_size.py)。
• 大单资金流: 基于大单的主动买入/卖出行为 (big_order.py)。
• 盘口委托: 委托挂单分析、买卖单不平衡 (order_book.py)。
• 开盘行为: 开盘时段的买入意愿 (opening_session.py)。

环境依赖

• Python 3.8+
• Polars (核心数据处理库)
• NumPy
• PyArrow (Parquet 文件读写支持)

项目结构

haitong_hf_factors/
├── __init__.py
├── main.py              # 主程序入口，提供命令行接口
├── config.py            # 全局配置（路径、参数、时间段定义）
├── data_loader.py       # 数据加载模块，统一处理不同数据源
├── preprocessor.py      # 数据预处理（时间过滤、异常值清洗）
├── aggregator.py        # 因子聚合模块，汇总各子模块结果
├── batch_processor.py   # 批处理流程控制与断点续传逻辑
├── run_real_data.py     # 生产环境运行辅助脚本
├── factors/             # 因子计算核心逻辑包
│   ├── base.py          # 因子基类
│   ├── big_order.py     # 大单因子
│   ├── opening_session.py # 开盘因子
│   ├── order_book.py    # 盘口因子
│   ├── price_based.py   # 价格基础因子
│   ├── return_distribution.py # 收益分布因子
│   ├── trade_size.py    # 成交规模因子
│   └── volume_distribution.py # 成交量分布因子
└── tests/               # 单元测试

使用方法

项目提供了一个统一的命令行入口 haitong_hf_factors。

1. 运行示例

在项目根目录下，使用 python -m 方式运行：

计算单日所有因子：

python -m haitong_hf_factors --date 20260101

批量计算指定日期范围：

python -m haitong_hf_factors --start-date 20260101 --end-date 20260131

仅计算特定因子（使用逗号分隔因子名）：

python -m haitong_hf_factors --date 20260101 --factors RSKEW,VOLUME_RATIO

指定输出目录并强制重新计算（覆盖已有文件）：

python -m haitong_hf_factors --date 20260130 --output-dir /path/to/output --force

开启断点续传（跳过已存在的输出文件）：

python -m haitong_hf_factors --start-date 20260101 --end-date 20260131 --resume

2. 配置说明

关键配置项位于 haitong_hf_factors/config.py 中，支持但不限于以下配置：

• 数据路径: 输入数据源的根目录。
• 时间参数: 连续竞价时间段定义的起始与结束点（如 MARKET_CLOSE 定义为 14:57:00）。
• 并行参数: 多进程计算时的并发数。

注意事项

1. 时间口径:

   • 因子计算仅使用 连续竞价时段（09:30-11:30, 13:00-14:57）。
   • 严格剔除开盘集合竞价（09:15-09:25）和收盘集合竞价（14:57-15:00）。
   • 下午收盘时间点统一截断至 14:57:00.000。

2. 数据要求:

   • 输入数据格式建议为 Parquet。
   • 需包含标准的交易所逐笔/快照字段（如 Time, Price, Volume 等）。