自定义算子

以下是 rqfactor.extension 包中用于开发自定义算子的抽象类与辅助函数说明，涵盖类的功能定位、参数要求、函数原型及使用场景，为个性化算子开发提供标准化工具支持：

抽象类定义

抽象类用于封装不同类型算子的通用逻辑，只需实现核心运算函数，无需关注数据格式对齐、滑动窗口迭代等底层细节。

CombinedFactor

简单复合算子，接受一个函数及单因子或多因子的当期数据运算。

CombinedFactor(func, *factors)

参数

参数名	说明
func	原型为 def func(*series)，series 对应输入的*factors，每个series 是单因子的时间序列，一维 np.ndarray），返回值为计算后的时间序列
*factors	1 个或多个输入因子

RollingWindowFactor

滑动窗口算子

RollingWindowFactor(func, window, factor)

参数

参数名	说明
func	其原型为 def func(series, window)，其中 series 为 factor 的因子值，一维 np.ndarray；window 为滑动窗口大小（与类参数 window 一致），返回值为滑动计算后的时间序列
window	滑动窗口大小
factor	单个输入因子

CombinedRollingWindowFactor

复合滑动窗口算子

CombinedRollingWindowFactor(func, window, *factors)

参数

参数名	说明
func	其原型为 def func(window, *series), 注意，window 参数在前
window	滑动窗口大小
*factors	输入因子

CombinedCrossSectionalFactor

复合横截面算子，接受一个函数及一个或多个因子

CombinedCrossSectionalFactor(func, *factors)

参数

参数名	说明
func	原型为 def func(df1, df2, ...), 其中 df1/df2/... 对应输入的 *factors（每个 df 是横截面数据框，索引为交易日 pd.DatetimeIndex，列为股票代码 order_book_id，值为因子值），返回值为横截面计算后的 DataFrame
*factors	1 个或多个输入因子

UserDefinedLeafFactor

用于创建自定义基础因子

UserDefinedLeafFactor(name, func)

• name: 自定义因子的名字；
• func: 其原型如下：

    def func(order_book_ids, start_date, end_date):
        """
        @param order_book_ids: 股票/指数代码列表，如 ['000001.XSHE', '600000.XSHG']
        @param start_date: 开始日期，pd.Timestamp 类型
        @param end_date: 结束日期，pd.Timestamp 类型

        @return pd.DataFrame, index 为 pd.DatatimeIndex 类型，可通过 pd.to_datetime(rqdatac.get_trading_dates(start_date, end_date)) 生成；column 为 order_book_id；注意，仅包含交易日
        """

辅助函数

rolling_window

rolling_window(series, window)

参数

参数名	说明
series	输入的一维时间序列（np.ndarray 或可转换为数组的序列，如 pd.Series）
window	滑动窗口大小（正整数）

可参考 这里。 其功能如下：

In[]:
a = np.arange(100)
rolling_window(a, 20)

Out[]:
array([[ 0,  1,  2, ..., 17, 18, 19],
    [ 1,  2,  3, ..., 18, 19, 20],
    [ 2,  3,  4, ..., 19, 20, 21],
    ...,
    [78, 79, 80, ..., 95, 96, 97],
    [79, 80, 81, ..., 96, 97, 98],
    [80, 81, 82, ..., 97, 98, 99]])