周末轻松学量化 | 球队和硬币因子

球队和硬币因子最初来自于耶鲁大学 Tobias Moskowitz 的发表于 2021 年 9 月的一篇论文，发布以来，得到了超过 14 次以上的引用。这篇论文名为《Asset Pricing and Sports Betting》。

Moskowitz 从这样一个现象开始：当人们抛一枚硬币时，如果上次抛出了正面，人们倾向于猜测下次是反面；而当球赛的一个新赛季开始时，人们更倾向于猜测上赛季的冠军，依旧会在本赛季夺冠。为什么会出现这种差别呢？

这里就涉及到行为金融学的可知性理论了。人们对抛硬币这件活动本身比较了解，对于其发生的概率比较确定，因此，倾向于利用自己掌握的理论和可知性，从而得出下一次抛硬币时，就会发生反转这一期望。

而当一个新赛季开始时，如果让人们猜测哪只球队会夺冠，由于人们对新赛季的球队、球队的成员和团队磨合等不是很了解，即“冠军是谁”这件事的“可知性”较低，因此只能以这些球队的历史成绩来考察它们，此时人们更倾向于猜测上赛季的冠军。

Moskowitz 认为，如果一个标的信息是可知的，则处于硬币模式 – 接下来可能发生趋势反转；而如果信息是未知的，则会处在球队模式，即动量延续。

如何评判标的信息可知呢？Moskowitz 认为，可以依据公司是否发布了业绩预告：发布了业绩预告的公司，其 “可知性”就会提高，投资者对于其未来走势就有了清晰的判断。

看到这里，有经验的投资者会立即与 A 股对上号：**这不就是 A 股的利好出尽是利空；利空出尽是利好，或者说利好见光死吗？**事实就是如此，只不过 Moskowitz 对此现象进行了理论总结。

如何将其构建成因子以供投资呢？按照 Moskowitz 的原始定义来生成因子，需要提取业绩预告信息。我们可以利用免费的 akshare 来获取这部分信息。

import akshare as ak

stock_yjyg_em_df = ak.stock_yjyg_em(date="20230930")
print(stock_yjyg_em_df[["股票简称","预测指标","业绩变动幅度"]])

这里要注意的是，日期参数是有规律的，你只能使用季度末的日期，即 0331，0630，0930 和 1231（前面加上年份）。如果输入其它日期，则将抛出异常。

最后我们得到如下示例结果：

可以看出，公告自带有日期，因此可以认为这是 PIT 合格的数据。

要构建因子，可以以公告发布次日起，分别取 1，3， 5， 8， 10， 13 等周期的收益率，对因子进行评估。因子评估是通用方法，可以使用 quantpian 的 Alphalens 库，我们在第 15 课中有专门介绍，并提供了使用示例，这里就不赘述了。

问题

本篇笔记提到了 PIT 合格这个词，你知道这是什么意思吗？PIT数据是我们从数据源头避免未来数据的重要手段。如果想知道，请留言评论吧。