[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-72424":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":8,"htmlUrl":8,"language":9,"languages":8,"totalLinesOfCode":8,"stars":10,"forks":11,"watchers":12,"openIssues":13,"contributorsCount":14,"subscribersCount":14,"size":14,"stars1d":15,"stars7d":16,"stars30d":17,"stars90d":14,"forks30d":14,"starsTrendScore":18,"compositeScore":19,"rankGlobal":8,"rankLanguage":8,"license":20,"archived":21,"fork":21,"defaultBranch":22,"hasWiki":23,"hasPages":21,"topics":24,"createdAt":8,"pushedAt":8,"updatedAt":25,"readmeContent":26,"aiSummary":27,"trendingCount":14,"starSnapshotCount":14,"syncStatus":28,"lastSyncTime":29,"discoverSource":30},72424,"panda_factor","PandaAI-Tech\u002Fpanda_factor","PandaAI-Tech",null,"Python",2712,429,21,10,0,11,27,62,33,96.6,"GNU Affero General Public License v3.0",false,"main",true,[],"2026-06-12 04:01:05","# PandaFactor - PandaAI量化因子库\n![预览](https:\u002F\u002Fzynf-test.oss-cn-shanghai.aliyuncs.com\u002Fgithub\u002Fezgif-84dc5a49963246.gif\n)\n\n## PandaAI首届因子大赛已启动，你的Alpha值得被看见\n“没有一个alpha，一开始就是alpha”\n\n“开始量化，最好是十年前，其次是现在”\n\n“如果没有天赋，那就一直重复”\n\n“看似不起眼的数学，会在将来的某一天，突然让你看到坚持的意义”\n\n“一切都很好，我听到自己，向上的声音”\n\n“市场会惩罚，模糊的愿望，奖励清晰的请求”\n\n“你正在寻找的因子，此刻也在寻找你”\n\n[点击报名](https:\u002F\u002Fwww.pandaai.online\u002Ffactorhub\u002Ffactorcompetition)\n## 概述\n\nPandaFactor 提供了一系列高性能的量化算子，用于金融数据分析、技术指标计算和因子构建，并且提供了一系列的可视化图表。\n\n## 因子编写方法\n\n编写方法主要分为两种方式：\n- Python方式（适合有一定编程基础的小伙伴）（易维护，推荐）\n- 公式方式（适合无编程基础的小伙伴）\n\n### Python模式\n基本语法\n```python\nclass CustomFactor(Factor):\n    def calculate(self, factors):\n        return result\n```\n\n重点要求，必须继承Factor，必须实现calculate方法，calculate返回值必须是Series格式，列为value，索引列为['symbol','date']构成的多级索引。\n\nfactors包含了基础的量价信息，例如:\"close\"、\"open\"、“volume”等，可通过factors['close']方式获取。\n\n#### 示例\n\n```python\nclass ComplexFactor(Factor):\n    def calculate(self, factors):\n        close = factors['close']\n        volume = factors['volume']\n        high = factors['high']\n        low = factors['low']\n        \n        # 计算20日收益率\n        returns = (close \u002F DELAY(close, 20)) - 1\n        # 计算20日波动率\n        volatility = STDDEV((close \u002F DELAY(close, 1)) - 1, 20)\n        # 计算价格区间\n        price_range = (high - low) \u002F close\n        # 计算成交量比率\n        volume_ratio = volume \u002F DELAY(volume, 1)\n        # 计算20日成交量均值\n        volume_ma = SUM(volume, 20) \u002F 20\n        # 计算动量信号\n        momentum = RANK(returns)\n        # 计算波动率信号\n        vol_signal = IF(volatility > DELAY(volatility, 1), 1, -1)\n        # 合成最终因子\n        result = momentum * vol_signal * SCALE(volume_ratio \u002F volume_ma)\n        return result\n```\n\n### 公式方式\n\n基本语法\n```python\n\"函数1(函数2(基础因子), 参数) 运算符 函数3(基础因子)\"\n```\n若是公式比较复杂，可以考虑设置中间变量，分多行编写，系统将读取最后一行作为因子值。\n```python\n# 计算20日收益率排名\nRANK((CLOSE \u002F DELAY(CLOSE, 20)) - 1)\n\n# 计算价格和成交量的相关性\nCORRELATION(CLOSE, VOLUME, 20)\n\n# 复杂因子示例\nRANK((CLOSE \u002F DELAY(CLOSE, 20)) - 1) * \nSTDDEV((CLOSE \u002F DELAY(CLOSE, 1)) - 1, 20) * \nIF(CLOSE > DELAY(CLOSE, 1), 1, -1)\n```\n\n## 函数和算子支持情况\n\n[点击查看](https:\u002F\u002Fwww.pandaai.online\u002Fcommunity\u002Farticle\u002F72)\n\n## 安装\n- 若您为个人交易者，想要快速本地的使用该因子模块，我们准备了一份初始数据库，解压即可运行，因为文件较大，请联系小助理领取，下载解压后，直接执行bin\u002Fdb_start.bat即可启动数据库。\n\n\n- 若您为团队或者机构使用者，可以下载系统源码，在本地部署供团队使用。需要提前准备MongoDB，并且修改panda_common的config.yaml的文件与其对应。\n\n## 关于数据更新\n\n目前系统内置了近五年的基础数据，供用户使用。后续的数据更新将在每晚8点自动清洗执行（需要保证程序在期间正常运行），我们计划对接以下数据源：\n\n| 数据源      | 支持情况 | \n|----------|------|\n| Tushare  | 已上线  |\n| RiceQuant | 已上线   |\n| 迅投       | 已上线   |\n| Tqsdk    | 测试中  |\n| QMT      | 测试中  |\n| Wind     | 对接中  |\n| Choice   | 对接中  |\n\n若您有相关数据源需求，请务必联系我们，我们会尽快为您接入。\n\n## 下载最新数据库\n因表结构更新，请在网盘下载最新的数据库\n网盘链接: https:\u002F\u002Fpan.baidu.com\u002Fs\u002F15jip2SATiORuqaBNMDm4fw?pwd=uupm 提取码: uupm \n近期更新因子持久化功能，让计算好的因子直接保存，自动更新，极速提取。\n\n## 📁 项目结构\n\n```bash\npanda_factor\u002F\n├── panda_common\u002F       # 公共函数&工具类\n│   └── config.yaml     # 配置文件\n├── panda_data          # 数据模块，提取数据与因子\n├── panda_data_hub\u002F     # 自动更新\n│   └── __main__.py     # 自动更新任务启动入口\n├── panda_factor        # 因子计算与分析\n├── panda_llm           # 大模型接入，支持OpenAI协议，兼容Deepseek\n├── panda_factor_server\u002F       # 服务器接口\n│   └── __main__.py     # 接口服务启动入口\n├── panda_web\u002F          # 服务器前端页面\n├── requirements.txt    # 依赖列表\n└── README.md           # 项目说明文\n```\n## 开发者工具指南\n\n### PyCharm工具\n请将panda_common、panda_data、panda_data_hub、panda_factor、panda_llm、panda_factor_server这几个文件夹右键标记为Mark Directiory as Sources root\n\n### Visual Studio Code （包含Cursor等衍生）\n请在含有Python解释器的终端中进入各个子模块目录下面，执行：\n```bash\npip install -e .\n```\n\n### 如何在自己的系统或策略中引用因子\n项目本身只是帮助大家生产和更新因子，避免大家在数据清洗、自动化构建上花太多时间。\n可通过以下代码，将生产的因子整合到自己的系统或者策略中：\n```python\nimport panda_data\n\npanda_data.init()\nfactor = panda_data.get_factor_by_name(factor_name=\"VH03cc651\", start_date='20240320',end_date='20250325')\n```\n\n## 加群答疑（备注【开源】更快通过）\n![PandaAI 交流群](https:\u002F\u002Fzynf-test.oss-cn-shanghai.aliyuncs.com\u002Fgithub\u002Fwechat_2025-06-27_102633_615.png)\n\n\n## 贡献\n\n欢迎贡献代码、提出 Issue 或 PR：\n\nFork 本项目\n\n新建功能分支 git checkout -b feature\u002FAmazingFeature\n\n提交更改 git commit -m 'Add some AmazingFeature'\n\n推送分支 git push origin feature\u002FAmazingFeature\n\n发起 Pull Request\n\n## 致谢\n感谢量化李不白的粉丝们对我们的支持\n\n感谢所有开源社区的贡献者\n\n## 许可证\n\n本项目采用 GPLV3 许可证\n","PandaFactor 是一个专为金融数据分析和量化因子构建设计的Python库。它提供了高性能的量化算子，支持技术指标计算，并且内置了多种可视化图表功能。项目支持通过Python编程或公式定义两种方式来创建自定义因子，前者适合有一定编程基础的用户，后者则更适合非程序员。PandaFactor特别适用于需要进行股票市场分析、策略回测以及因子挖掘等场景。此外，该项目还集成了自动数据更新机制及多个常用的数据源接口，确保了数据的时效性和准确性。",2,"2026-06-11 03:42:01","high_star"]