欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營的一線實(shí)戰(zhàn)洞察。

從數(shù)據(jù)流到因子庫:量化因子研究的工程化收官之路

從數(shù)據(jù)流到因子庫:量化因子研究的工程化收官之路 做量化研究做到一定程度很多人會陷入一種“因子很多、策略很少”的尷尬回測里十幾個因子都有不錯的單調(diào)性可真要組合起來使用不是數(shù)據(jù)對不齊就是因子邏輯早已忘了當(dāng)初怎么算的更別說把它交給團(tuán)隊其他成員復(fù)現(xiàn)。如果你也卡在這個階段這篇文章想和你認(rèn)真聊聊因子階段的收官到底收的是什么。我的判斷是因子研究做到收官標(biāo)志不是“又多挖了幾個有效因子”而是你把從原始數(shù)據(jù)到因子值的整條鏈路理順了并且沉淀成了一個可查詢、可回溯、可復(fù)用的因子庫。換句話說研究能力要變成工程能力你的因子才算真正長在了自己的系統(tǒng)里。這篇文章會圍繞“從數(shù)據(jù)流到因子庫”這條主線展開先講清楚因子研究中的數(shù)據(jù)流到底長什么樣再走一遍因子計算、預(yù)處理、有效性檢驗的完整流程然后重點(diǎn)討論因子庫的存儲結(jié)構(gòu)、元數(shù)據(jù)設(shè)計和查詢語義最后給出工程化的最佳實(shí)踐和常見坑位。全文以 Python 生態(tài)為主涉及 pandas、numpy、statsmodels、scipy 等常用工具適合已經(jīng)有基礎(chǔ)因子研究經(jīng)驗、正在搭建自己量化研究框架的讀者。1. 這篇文章真正要解決的問題先拋一個場景。假設(shè)你現(xiàn)在要研究“過去20個交易日的收益率動量”這個因子最樸素的做法是寫一段腳本把行情數(shù)據(jù)讀進(jìn)來算一個收益率序列再按日期合并到標(biāo)的上。腳本跑完你得到一個 DataFrame看一眼 IC、分層收益覺得還行于是順手存成一個 CSV。問題來了三個月后你想把動量因子和另一個波動率因子放在一起做正交化發(fā)現(xiàn)兩份 CSV 的日期索引不一樣某只停牌股的缺失值處理方式也不一樣甚至動量因子當(dāng)時是用“前復(fù)權(quán)價格”算的波動率因子用的是“不復(fù)權(quán)價格”。你花了一晚上排查最后崩潰地發(fā)現(xiàn)根本沒法直接對比。這個場景在量化研究里太常見了。它暴露的不是某個因子的計算錯誤而是整個研究流程缺少“數(shù)據(jù)流”的約束。所謂“從數(shù)據(jù)流到因子庫”本質(zhì)上是把因子研究拆成一條可重復(fù)執(zhí)行的流水線原始行情數(shù)據(jù) → 統(tǒng)一清洗與對齊 → 因子計算 → 因子預(yù)處理 → 有效性檢驗 → 因子入庫 → 查詢與使用每一步都有明確的輸入和輸出每一步的中間結(jié)果可以被追溯和復(fù)現(xiàn)。這樣因子研究就不再是一次性腳本而是一個可積累的資產(chǎn)。這篇文章適合誰主要是兩類人。一類是剛把單個因子研究跑通的個人研究者需要建立更系統(tǒng)的框架另一類是小團(tuán)隊里負(fù)責(zé)研究基礎(chǔ)設(shè)施的開發(fā)者需要為投研同學(xué)設(shè)計一套簡單的因子管理方案。前者可以重點(diǎn)看數(shù)據(jù)流和因子預(yù)處理的思路后者可以重點(diǎn)看因子庫設(shè)計和查詢語義的部分。2. 因子、數(shù)據(jù)流、因子庫的概念邊界在深入實(shí)操之前有幾個概念需要先對齊因為它們很容易被混用。因子在量化研究里通常指一個可計算的橫截面特征它試圖用某個維度的信息來解釋或預(yù)測資產(chǎn)未來收益的差異。動量因子、波動率因子、估值因子都是典型例子。一個因子本質(zhì)上是一個“股票-日期”維度的數(shù)值表每一行代表某只股票在某個截面上的因子值。數(shù)據(jù)流在因子研究里指的是因子從原始數(shù)據(jù)到最終使用值的流動過程。它不是一條從 A 到 B 的直線而是有多條支路行情數(shù)據(jù)、財務(wù)數(shù)據(jù)、另類數(shù)據(jù)各有各的清洗邏輯最后要在統(tǒng)一的時間截面上對齊。之所以強(qiáng)調(diào)數(shù)據(jù)流是因為因子研究中 70% 以上的錯誤都出在“對齊”上而不是因子公式本身。因子庫則是把經(jīng)過驗證的因子以結(jié)構(gòu)化方式存儲、管理、檢索的系統(tǒng)。它可以簡單到一張規(guī)范設(shè)計的數(shù)據(jù)庫表也可以復(fù)雜到一套帶版本管理、權(quán)限控制、自動更新任務(wù)的完整服務(wù)。對于個人研究者起步階段不需要上重型系統(tǒng)但至少要有一套穩(wěn)定的存儲規(guī)范和查詢接口。這三者的關(guān)系可以這樣理解數(shù)據(jù)流是過程因子是產(chǎn)物因子庫是沉淀產(chǎn)物的倉庫。沒有數(shù)據(jù)流的約束因子就是一次性的臨時結(jié)果沒有因子庫的沉淀數(shù)據(jù)流跑得再順成果也無法復(fù)用。這里還要提一下“因子圖優(yōu)化”這個詞。它在很多語境里指圖神經(jīng)網(wǎng)絡(luò)中特征或因子關(guān)系的自動優(yōu)化屬于機(jī)器學(xué)習(xí)與圖計算的交叉方向。但從量化研究的角度看它的核心思想同樣可以借用因子之間不是孤立的它們存在相關(guān)性、冗余性和互補(bǔ)性因子庫的元數(shù)據(jù)設(shè)計如果能記錄因子間的關(guān)聯(lián)關(guān)系未來做因子篩選和組合時就會高效很多。這篇文章不會展開講圖優(yōu)化本身但會在因子庫設(shè)計中預(yù)留“因子關(guān)系描述”的字段方便后續(xù)擴(kuò)展。3. 環(huán)境準(zhǔn)備與前置條件這篇文章的示例代碼以 Python 為主建議使用 Python 3.9 以上版本。核心依賴如下pandas數(shù)據(jù)處理與截面操作的主力工具numpy數(shù)值計算scipy統(tǒng)計檢驗例如單因子方差分析 F 檢驗statsmodels回歸分析、中性化殘差提取SQLite/MySQL因子庫存儲示例使用 SQLite 方便本地驗證版本請以實(shí)際項目為準(zhǔn)本文重點(diǎn)演示通用思路。如果你的環(huán)境里已經(jīng)安裝了 Anaconda 或 Miniconda可以直接創(chuàng)建虛擬環(huán)境conda create -n quant_factor python3.10 conda activate quant_factor pip install pandas numpy scipy statsmodels sqlalchemy如果你的機(jī)器是 ARM 架構(gòu)的 Mac或者某些 Python 版本對 statsmodels 的依賴有兼容問題可能會出現(xiàn)安裝失敗。這時候建議優(yōu)先使用 conda 安裝 statsmodels因為它會自動處理底層 BLAS 庫的依賴。還需要說明的是本文的數(shù)據(jù)集使用模擬數(shù)據(jù)演示流程。真實(shí)的量化研究通常需要接入日線行情、分鐘行情、財務(wù)數(shù)據(jù)等數(shù)據(jù)源但“數(shù)據(jù)源長什么樣”并不是數(shù)據(jù)流的核心難點(diǎn)核心難點(diǎn)在于統(tǒng)一的清洗和對齊規(guī)范。所以本文的示例代碼會刻意把數(shù)據(jù)源模擬成統(tǒng)一格式的 DataFrame方便你聚焦在數(shù)據(jù)流設(shè)計上。4. 從原始數(shù)據(jù)到因子值核心流程拆解因子計算看起來是“寫個公式就出結(jié)果”但放進(jìn)數(shù)據(jù)流視角后你會發(fā)現(xiàn)它至少包含四個子步驟原始數(shù)據(jù)清洗、因子值計算、截面對齊與缺失值處理、因子預(yù)處理。4.1 原始數(shù)據(jù)清洗與標(biāo)準(zhǔn)化無論因子邏輯多復(fù)雜第一步都是拿到干凈的行情數(shù)據(jù)。常見的問題包括停牌導(dǎo)致的缺失行、除權(quán)除息導(dǎo)致的價格跳變、異常成交量、重復(fù)日期索引。這里的處理原則是清洗邏輯必須統(tǒng)一不能每個因子各洗各的。比如復(fù)權(quán)方式全庫應(yīng)該統(tǒng)一使用某一種價格序列。實(shí)際研究中趨勢類因子更常用前復(fù)權(quán)價格估值類因子可能要用到未復(fù)權(quán)價格和財務(wù)數(shù)據(jù)配合但入庫前至少要明確記錄使用的是哪種價格。下面是一個基礎(chǔ)清洗示例# 文件路徑data_cleaner.py import pandas as pd def clean_daily_price(df: pd.DataFrame) - pd.DataFrame: 清洗日線行情數(shù)據(jù)。 輸入必須包含列symbol, trade_date, close, volume 輸出按 symbol trade_date 排序、無重復(fù)索引的 DataFrame df df.copy() df[trade_date] pd.to_datetime(df[trade_date]) # 去重同一標(biāo)的同一交易日只保留一條 df df.drop_duplicates(subset[symbol, trade_date], keeplast) # 排序保證后續(xù)計算依賴時間順序 df df.sort_values([symbol, trade_date]).reset_index(dropTrue) # 剔除價格為空的記錄 df df.dropna(subset[close]) return df這一段代碼看起來簡單但它確定了一個非常重要的約定所有因子計算腳本接收的都應(yīng)該已經(jīng)是這個格式的行情數(shù)據(jù)。這樣動量因子、波動率因子、量價因子都從同一個清洗后的輸入開始避免了“各算各的、各錯各的”的問題。4.2 因子值計算清洗完成后就可以做因子計算了。這里的關(guān)鍵設(shè)計是“因子計算函數(shù)只做一件事輸入干凈的行情或財務(wù)數(shù)據(jù)輸出因子值”。以 20 日動量因子為例# 文件路徑factor_momentum.py import pandas as pd def calc_momentum(price: pd.Series, window: int 20) - pd.Series: 計算動量因子過去 window 日的累計收益率。 return price / price.shift(window) - 1.0 def build_momentum_factor(clean_df: pd.DataFrame, window: int 20) - pd.DataFrame: 基于清洗后的日線數(shù)據(jù)生成 momentum 因子值表。 返回 DataFramecolumns [symbol, trade_date, momentum] records [] for symbol, group in clean_df.groupby(symbol): group group.sort_values(trade_date) group[momentum] calc_momentum(group[close], window) records.append(group[[symbol, trade_date, momentum]]) result pd.concat(records, ignore_indexTrue) return result這段代碼在工程上有一個明顯的性能問題用 groupby 循環(huán)逐只股票計算在幾百只股票、幾千個交易日的數(shù)據(jù)量下勉強(qiáng)能跑但數(shù)據(jù)量上去后會非常慢。實(shí)際項目中更推薦用 pandas 的 groupby transform 或者直接用向量化操作。示例代碼刻意保留循環(huán)是為了讓邏輯更直白真正落地時你可以把它替換成更高效的實(shí)現(xiàn)。4.3 截面對齊與缺失值處理因子值算出來后會得到一個長表每一行是一個“股票-日期”對。但研究因子時我們更經(jīng)常需要的是“寬表”每一行是一個交易日每一列是一只股票單元格是因子值。為什么要轉(zhuǎn)成寬表因為很多檢驗方法比如分層回測、IC 計算天然要求按截面對齊。# 文件路徑factor_alignment.py import pandas as pd def pivot_factor(factor_long: pd.DataFrame, factor_name: str factor) - pd.DataFrame: 將因子長表轉(zhuǎn)成寬表。 輸入symbol, trade_date, factor 三列 輸出index 為 trade_datecolumns 為 symbol wide factor_long.pivot_table( indextrade_date, columnssymbol, valuesfactor_name ) # 按時間升序排列 wide wide.sort_index() return wide轉(zhuǎn)成寬表后缺失值處理就變成一個必須正面回答的問題。因子值的缺失通常來自三種情況股票停牌當(dāng)天沒有交易數(shù)據(jù)。計算窗口不足比如上市不滿 20 天的股票無法計算 20 日動量。數(shù)據(jù)源本身缺失。不同情況應(yīng)該有不同的處理方式但在因子研究階段統(tǒng)一的做法是先不去填充而是在檢驗時顯式跳過缺失值。如果強(qiáng)行填充比如用 0 填充很可能會引入虛假信息讓檢驗結(jié)果失真。這一點(diǎn)在后面的常見問題里還會展開。4.4 因子預(yù)處理去極值、中性化、標(biāo)準(zhǔn)化截面因子值直接使用會帶來兩個問題極端值主導(dǎo)統(tǒng)計量、風(fēng)格暴露干擾判斷。所以因子入庫和檢驗前一般會做三步預(yù)處理。去極值是為了消除異常值影響常用的方法是分位數(shù)截斷或 MAD絕對中位差法。下面給出一個基于百分位數(shù)的去極值實(shí)現(xiàn)# 文件路徑factor_preprocess.py import numpy as np import pandas as pd def winsorize_series(s: pd.Series, lower: float 0.01, upper: float 0.99) - pd.Series: 對橫截面序列做分位數(shù)去極值。 q_lower s.quantile(lower) q_upper s.quantile(upper) return s.clip(lowerq_lower, upperq_upper)中性化是剔除因子與某些風(fēng)險因子通常包括市值、行業(yè)有時也包括風(fēng)格因子之間的線性相關(guān)性。這一步的目的是讓“因子值”更干凈地反映它自身的信息增量。中性化通常用線性回歸取殘差來實(shí)現(xiàn)# 文件路徑factor_preprocess.py import statsmodels.api as sm def neutralize_factor( factor_wide: pd.DataFrame, market_cap_wide: pd.DataFrame, industry_dummies: pd.DataFrame ) - pd.DataFrame: 對因子值做橫截面中性化返回殘差作為新因子值。 這里以市值和行業(yè)虛擬變量作為中性化變量。 dates factor_wide.index result pd.DataFrame(indexdates, columnsfactor_wide.columns, dtypefloat) for dt in dates: y factor_wide.loc[dt] x pd.DataFrame(indexy.index) # 市值做對數(shù)處理更接近正態(tài) x[log_market_cap] np.log(market_cap_wide.loc[dt]) # 行業(yè)虛擬變量這里假設(shè) industry_dummies 是 MultiIndex 寬表 x pd.concat([x, industry_dummies.loc[dt]], axis1) # 去掉 y 或 x 中有缺失的股票 valid y.notna() x.notna().all(axis1) if valid.sum() 10: continue y_valid y[valid].astype(float) x_valid sm.add_constant(x[valid]) model sm.OLS(y_valid, x_valid).fit() result.loc[dt, valid] model.resid return result中性化是一個經(jīng)常被過度使用的步驟。如果因子本身就是要暴露市值風(fēng)格那中性化后會損失原始含義如果因子是純技術(shù)面選股因子中性化反而能提高和其他策略的疊加能力。這個選擇要取決于研究目標(biāo)而不是無腦照做。標(biāo)準(zhǔn)化是為了讓不同因子具有可比性。Z-score 是最常見的標(biāo)準(zhǔn)化方式# 文件路徑factor_preprocess.py def zscore_series(s: pd.Series) - pd.Series: 橫截面 Z-score 標(biāo)準(zhǔn)化。 return (s - s.mean()) / s.std()注意這里的均值、標(biāo)準(zhǔn)差都是在同一截面上計算的而不是滾動窗口。因為因子研究關(guān)心的是“橫截面可比性”不是時間序列的平穩(wěn)性。5. 因子有效性檢驗從 IC 到 F 檢驗因子算完、預(yù)處理完之后下一步是回答一個靈魂問題這個因子到底有沒有用這是“從數(shù)據(jù)流到因子庫”流程里最關(guān)鍵的質(zhì)檢關(guān)卡。沒有通過質(zhì)檢的因子不應(yīng)該進(jìn)入因子庫。5.1 分層回測與單調(diào)性最常用的檢驗方法是分層回測按每個截面的因子值大小分成 N 層統(tǒng)計每組在未來一段時間的平均收益觀察收益是否隨因子值單調(diào)變化。# 文件路徑factor_evaluate.py import pandas as pd import numpy as np def layer_returns( factor_wide: pd.DataFrame, forward_return: pd.DataFrame, n_layers: int 5 ) - pd.DataFrame: 按因子值分層計算每組未來收益均值。 forward_return: 寬表index 為 trade_datecolumns 為 symbol 值為未來持有期收益需要與 factor_wide 時間對齊。 result {} for dt in factor_wide.index: if dt not in forward_return.index: continue f factor_wide.loc[dt].dropna() ret forward_return.loc[dt] ret ret.reindex(f.index) valid f.notna() ret.notna() f f[valid] ret ret[valid] if len(f) n_layers * 2: continue # 按因子值排名分層0 為最小因子值組 ranks f.rank(methodfirst) layer pd.qcut(ranks, n_layers, labelsFalse) grouped ret.groupby(layer).mean() result[dt] grouped layer_table pd.DataFrame(result).T layer_table.columns [fL{i} for i in range(n_layers)] return layer_table如果 L5 組因子值最大的收益顯著高于 L1 組因子值最小并且中間各組大體單調(diào)那說明這個因子對收益有區(qū)分能力。如果 L1 和 L5 差異很大但中間亂跳則要警惕因子的非線性效應(yīng)或極端值影響。5.2 IC 與 IR分層回測直觀但需要一個簡潔數(shù)值來衡量整體預(yù)測能力這時就要算 IC。IC 有多種定義最常用的是 Rank IC即截面因子值和未來收益的 Spearman 秩相關(guān)系數(shù)。# 文件路徑factor_evaluate.py from scipy.stats import spearmanr def rank_ic_series(factor_wide: pd.DataFrame, forward_return: pd.DataFrame) - pd.Series: 逐截面計算 Rank IC。 dates factor_wide.index ic_list {} for dt in dates: if dt not in forward_return.index: continue f factor_wide.loc[dt] ret forward_return.loc[dt] valid f.notna() ret.notna() if valid.sum() 5: continue ic, _ spearmanr(f[valid], ret[valid]) ic_list[dt] ic return pd.Series(ic_list, namerank_ic)有了逐日 IC 序列之后可以進(jìn)一步計算 IC 的均值、標(biāo)準(zhǔn)差、ICIRIR。IR 的計算方式是 IC 均值除以 IC 標(biāo)準(zhǔn)差它衡量的是因子預(yù)測能力的穩(wěn)定性。如果一個因子 IC 均值為 0.05 但標(biāo)準(zhǔn)差也是 0.05IR 只有 1說明預(yù)測能力波動太大如果標(biāo)準(zhǔn)差只有 0.02IR 達(dá)到 2.5則說明因子比較穩(wěn)定。5.3 單因子方差分析 F 檢驗的應(yīng)用場景在因子檢驗里方差分析 F 檢驗經(jīng)常被提及但它更適合回答“分層收益之間是否存在顯著差異”這個問題而不是“因子是否有效”的全部答案。具體來說如果把每層的未來收益看作一組樣本那么可以用單因子方差分析檢驗這 N 組收益的均值是否存在顯著差異。零假設(shè)是各組均值相等如果 p 值很小說明至少有兩組的收益均值顯著不同因子對收益有分層效果。# 文件路徑factor_evaluate.py from scipy import stats def f_test_layers(layer_table: pd.DataFrame) - dict: 對分層收益做單因子方差分析 F 檢驗。 輸入 layer_table 為 DataFrame列是 L0..L4行是日期截面。 該函數(shù)檢驗各分層收益均值是否顯著不同。 groups [layer_table[col].dropna().values for col in layer_table.columns] # 過濾樣本過少的組 groups [g for g in groups if len(g) 3] f_stat, p_value stats.f_oneway(*groups) return { f_statistic: f_stat, p_value: p_value, layer_means: layer_table.mean().to_dict() }需要強(qiáng)調(diào)的是F 檢驗的結(jié)果只能說明“組間有差異”不能說明差異是單調(diào)的。一個因子可能讓 L1 和 L5 差異巨大但中間層毫無規(guī)律F 檢驗依然顯著。所以 F 檢驗應(yīng)該配合分層收益表一起看而不是單獨(dú)作為因子入庫的依據(jù)。5.4 未來函數(shù)檢查因子檢驗里最危險的錯誤不是統(tǒng)計方法選錯而是引入了未來函數(shù)。常見的是計算因子時誤用了當(dāng)天的收盤價而未來收益也是從當(dāng)天收盤價開始計算兩者在時間點(diǎn)上重疊導(dǎo)致 IC 虛高。解決方法是嚴(yán)格定義時間軸。假設(shè)因子值使用 T 日及之前的信息計算那因子值記為factor_t未來收益應(yīng)該是T1日到TN日的收益而不是從 T 日開始。換句話說T 日的因子值必須和 T 日的收益錯開使用。這一條聽起來簡單但實(shí)際操作中因為數(shù)據(jù)索引錯位導(dǎo)致的未來函數(shù)出現(xiàn)頻率極高。6. 因子庫設(shè)計與 SQL 實(shí)現(xiàn)當(dāng)因子通過了檢驗它就不再是一個臨時計算結(jié)果而是應(yīng)該進(jìn)入因子庫成為可復(fù)用的資產(chǎn)。因子庫設(shè)計的核心問題有三個存什么表、表結(jié)構(gòu)長什么樣、如何管理版本和元數(shù)據(jù)。6.1 因子庫表結(jié)構(gòu)設(shè)計從最簡方案出發(fā)一張核心的“因子值表”加上一張“因子元數(shù)據(jù)表”就足夠覆蓋個人研究者的需求。因子值表存儲每個因子在每個標(biāo)的每個交易日上的因子值采用窄表結(jié)構(gòu)。窄表雖然存儲空間更大但查詢和擴(kuò)展非常靈活新增一個因子不需要改表結(jié)構(gòu)。-- 文件路徑schema.sql CREATE TABLE IF NOT EXISTS factor_value ( factor_code VARCHAR(32) NOT NULL COMMENT 因子編碼如 momentum_20d, symbol VARCHAR(16) NOT NULL COMMENT 標(biāo)的代碼如 000001.SZ, trade_date DATE NOT NULL COMMENT 交易日, factor_value DOUBLE NULL COMMENT 因子值未標(biāo)準(zhǔn)化原始值, is_preprocessed TINYINT NOT NULL DEFAULT 0 COMMENT 是否已預(yù)處理0原始 1去極值 2中性化 3標(biāo)準(zhǔn)化, updated_at TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT 寫入時間, PRIMARY KEY (factor_code, symbol, trade_date, is_preprocessed) );不要把預(yù)處理后的因子值和原始因子值混在同一行里。原因是每次預(yù)處理都可能依賴不同的截面信息混在一起會讓“這個值到底怎么來的”變得難以追溯。更穩(wěn)妥的做法是把預(yù)處理版本作為一個獨(dú)立維度。因子元數(shù)據(jù)表記錄因子的基本信息和計算口徑-- 文件路徑schema.sql CREATE TABLE IF NOT EXISTS factor_meta ( factor_code VARCHAR(32) PRIMARY KEY COMMENT 因子編碼, factor_name VARCHAR(128) NOT NULL COMMENT 因子名稱, category VARCHAR(32) COMMENT 因子分類momentum/volatility/value/quality, formula TEXT COMMENT 因子計算邏輯描述, data_source VARCHAR(255) COMMENT 數(shù)據(jù)來源說明, rebalance_freq VARCHAR(16) COMMENT 調(diào)倉頻率daily/weekly/monthly, author VARCHAR(64) COMMENT 創(chuàng)建人, version VARCHAR(16) COMMENT 版本號, status VARCHAR(16) DEFAULT active COMMENT 狀態(tài)active/draft/deprecated, related_factors VARCHAR(255) COMMENT 關(guān)聯(lián)因子編碼逗號分隔可描述因子間關(guān)系, created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP, updated_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP );這里我用related_factors字段來記錄因子間的關(guān)系。后續(xù)如果要做因子圖優(yōu)化或相關(guān)性聚類這個字段可以提供基礎(chǔ)的關(guān)系線索。6.2 從 DataFrame 寫入因子庫使用 SQLAlchemy 可以很方便地把 pandas DataFrame 寫入 SQLite# 文件路徑factor_store.py from sqlalchemy import create_engine def save_factor_to_db( factor_long: pd.DataFrame, factor_code: str, db_path: str factor_lib.db, is_preprocessed: int 0, if_exists: str append ) - None: 將因子長表寫入因子庫。 engine create_engine(fsqlite:///{db_path}) df factor_long.copy() df[factor_code] factor_code df[is_preprocessed] is_preprocessed df[updated_at] pd.Timestamp.now() # 只保留必要列并重命名 df df[[factor_code, symbol, trade_date, factor, is_preprocessed, updated_at]] df df.rename(columns{factor: factor_value}) df.to_sql(namefactor_value, conengine, if_existsif_exists, indexFalse)寫入時需要注意if_exists參數(shù)。如果表里已經(jīng)有舊數(shù)據(jù)直接 append 可能會導(dǎo)致主鍵沖突。因此在寫入前應(yīng)該先判斷是否要覆蓋已有區(qū)間。比較穩(wěn)妥的做法是先刪除目標(biāo)因子在指定時間范圍內(nèi)的舊記錄再寫入新數(shù)據(jù)。這個過程可以放在事務(wù)里保證原子性。6.3 因子讀取與查詢語義因子庫建好后最重要的使用方式是從庫里按條件取數(shù)-- 查詢 momentum_20d 因子最近 30 個交易日的數(shù)據(jù) SELECT symbol, trade_date, factor_value FROM factor_value WHERE factor_code momentum_20d AND trade_date DATE(now, -30 day) ORDER BY trade_date, symbol;這里就引出一個查詢語義問題因子庫里存的應(yīng)該是“T 日因子值”還是“T 日可用因子值”如果按嚴(yán)格的數(shù)據(jù)流應(yīng)該是后者。也就是說因子值是 T 日收盤后計算出來的在 T1 日才可用。如果只用自然日期查詢很容易在回測中用到當(dāng)天收盤后才知道的因子值來預(yù)測當(dāng)天收益。這里的一個推薦做法是在入庫時就把“可用日期”顯式存出來而不是讓使用者做日期偏移。比如增加一列available_date等于因子值真正可以被使用的日期。這樣回測引擎只需要按available_date取數(shù)不需要每個人都記住“因子值要滯后一天”這個規(guī)則。不過為了不讓表結(jié)構(gòu)過度復(fù)雜個人研究者也可以在查詢時統(tǒng)一約定取 T 日因子值必須用于預(yù)測 T1 日及之后開始的收益禁止用于 T 日當(dāng)天收益。這個約定的關(guān)鍵是把它寫進(jìn)代碼規(guī)范和文檔而不是靠每個人自覺。7. 完整示例把流程串起來為了讓你更直觀地理解“從數(shù)據(jù)流到因子庫”的完整鏈路這里用一個模擬數(shù)據(jù)腳本把整個流程串起來。假設(shè)我們有 30 只股票、500 個交易日的模擬行情數(shù)據(jù)。# 文件路徑run_pipeline.py import numpy as np import pandas as pd from data_cleaner import clean_daily_price from factor_momentum import build_momentum_factor from factor_preprocess import winsorize_series, zscore_series from factor_evaluate import rank_ic_series from factor_store import save_factor_to_db # 1. 生成模擬行情數(shù)據(jù) np.random.seed(42) dates pd.bdate_range(2023-01-02, 2024-12-01) symbols [f{i:06d}.SZ for i in range(1, 31)] records [] for sym in symbols: base np.random.randn() * 5 20 for dt in dates: ret np.random.randn() * 0.02 close base * (1 ret) records.append({symbol: sym, trade_date: dt, close: close, volume: np.random.rand() * 1e6}) raw_df pd.DataFrame(records) # 2. 清洗 clean_df clean_daily_price(raw_df) # 3. 計算因子 factor_long build_momentum_factor(clean_df, window20) factor_long factor_long.rename(columns{momentum: factor}) # 4. 轉(zhuǎn)寬表并做截面預(yù)處理 factor_wide factor_long.pivot_table(indextrade_date, columnssymbol, valuesfactor) factor_wide factor_wide.sort_index() factor_wide_clean factor_wide.apply(winsorize_series, axis1) factor_wide_z factor_wide_clean.apply(zscore_series, axis1) # 5. 計算未來 5 日收益模擬 forward return close_wide clean_df.pivot_table(indextrade_date, columnssymbol, valuesclose).sort_index() forward_ret close_wide.shift(-5) / close_wide - 1.0 # 6. 檢驗 IC ic rank_ic_series(factor_wide_z, forward_ret) print(IC 均值:, ic.mean()) print(IC 標(biāo)準(zhǔn)差:, ic.std()) print(IR:, ic.mean() / ic.std()) print(IC0 比例:, (ic 0).mean()) # 7. 入庫這里以預(yù)處理后的因子值為例 factor_wide_z.reset_index().melt(id_varstrade_date, var_namesymbol, value_namefactor) save_factor_to_db( factor_long..., factor_codemomentum_20d_zscore, db_pathfactor_lib.db, is_preprocessed3 )注意上面第 7 步里我留了一個省略號。實(shí)際使用時你需要把melt之后的長表賦給變量再傳給save_factor_to_db。原因是save_factor_to_db期望的是包含factor列的長表而melt之后默認(rèn)列名是value需要改名。這個示例跑通后你就擁有了一條最小的“數(shù)據(jù)流 → 因子 → 檢驗 → 入庫”鏈路。之后每新增一個因子只需要按照同樣的模板寫計算函數(shù)和處理邏輯。8. 常見問題與排查思路因子研究和因子庫建設(shè)過程中有幾個坑值得單獨(dú)拿出來講。問題現(xiàn)象可能原因排查方式解決方案因子 IC 高得離譜引入了未來函數(shù)因子值和收益時間重疊檢查因子計算最后一個輸入數(shù)據(jù)日期與收益起始日因子值統(tǒng)一滯后一天使用入庫時增加可用日期字段不同因子合并后數(shù)據(jù)對不齊各因子使用了不同復(fù)權(quán)方式、不同清洗邏輯檢查各因子入庫的元數(shù)據(jù)記錄統(tǒng)一數(shù)據(jù)清洗層所有因子共用同一份清洗后行情因子值缺失比例過高上市時間短、停牌、計算窗口不足統(tǒng)計各截面缺失率設(shè)置合理的缺失率閾值檢驗時排除缺失過多的標(biāo)的同一因子兩次入庫結(jié)果不同數(shù)據(jù)源更新導(dǎo)致歷史數(shù)據(jù)變化對比兩次計算結(jié)果差異區(qū)間建立數(shù)據(jù)版本快照機(jī)制因子計算鎖定數(shù)據(jù)版本因子入庫后查詢性能差窄表無索引或查詢范圍過大查看執(zhí)行計劃按 factor_code 和 trade_date 建聯(lián)合索引預(yù)處理前后因子值混用庫中同一因子存在多套預(yù)處理版本檢查 is_preprocessed 字段強(qiáng)制查詢時指定預(yù)處理版本或拆分成獨(dú)立表分層收益 F 檢驗顯著但多空組合不賺錢分層差異來自極端組中間層不單調(diào)查看分層收益表每層均值增加單調(diào)性判斷不只依賴 F 檢驗這里特別想展開說一下“數(shù)據(jù)源更新導(dǎo)致因子結(jié)果不同”這個坑。在真實(shí)量化研究中行情數(shù)據(jù)是會被修正的。比如某天某只股票發(fā)生了除權(quán)數(shù)據(jù)商可能會回溯調(diào)整歷史價格。如果你的因子計算沒有鎖定數(shù)據(jù)版本下一次重算時歷史因子值就會變化這會讓因子庫里的歷史記錄和新的計算結(jié)果產(chǎn)生沖突。解決思路是要么存儲因子值時就同時記錄數(shù)據(jù)源版本號要么在重新計算因子后把受影響的歷史區(qū)間整體覆蓋并更新元數(shù)據(jù)里的版本號。對于個人研究者第二條路更簡單但一定要在建庫時把updated_at和version字段留好。9. 從因子庫到因子平臺工程化最佳實(shí)踐如果你已經(jīng)把“從數(shù)據(jù)流到因子庫”的鏈路跑通接下來就需要考慮工程化的穩(wěn)定性問題。這里給出幾條實(shí)踐建議。第一條把因子計算做成可配置的流水線。每個因子不僅是“一個函數(shù)”而應(yīng)該是一個配置項。配置項里包含因子編碼、依賴的數(shù)據(jù)表、計算函數(shù)入口、預(yù)處理方式、檢驗閾值、入庫目標(biāo)表。這樣新增一個因子時你只需要增加一條配置而不是復(fù)制粘貼一整套腳本。# 文件路徑factors_config.yaml factors: - code: momentum_20d name: 20日動量 module: factor_momentum function: build_momentum_factor params: window: 20 preprocess: winsorize: true neutralize: false zscore: true validation: min_ic: 0.03 min_ir: 1.5第二條因子的入庫過程要有冪等性。同一份因子數(shù)據(jù)重復(fù)入庫不應(yīng)該產(chǎn)生重復(fù)記錄或沖突。實(shí)現(xiàn)方式有兩種寫入前刪除目標(biāo)區(qū)間的舊數(shù)據(jù)或者使用INSERT OR REPLACE。對于支持事務(wù)的數(shù)據(jù)庫推薦用事務(wù)包裹“刪除寫入”兩個步驟。第三條預(yù)處理邏輯要可復(fù)現(xiàn)。去極值用的分位數(shù)、中性化用的市值和行業(yè)數(shù)據(jù)這些都應(yīng)該在元數(shù)據(jù)里記錄。否則三個月后看到某個因子的 zscore 值你根本不知道它在哪個截面上做的標(biāo)準(zhǔn)化。一個設(shè)計良好的因子庫應(yīng)該能回答“這個值是怎么算出來的”這個問題。第四條安全邊界和權(quán)限管理。雖然個人研究者的因子庫通常只有自己使用但如果你在團(tuán)隊里搭建因子平臺就要考慮權(quán)限問題。建議至少區(qū)分三個角色因子計算者可以寫入和修改、策略研究者可以查詢和下載、系統(tǒng)管理員管理元數(shù)據(jù)和清理數(shù)據(jù)。不要讓所有人的代碼都直接連數(shù)據(jù)庫寫數(shù)據(jù)中間應(yīng)該有一層統(tǒng)一的數(shù)據(jù)訪問服務(wù)。第五條關(guān)注數(shù)據(jù)質(zhì)量監(jiān)控。因子庫不能只進(jìn)不出。建議定期跑一遍質(zhì)量監(jiān)控腳本檢查每個因子近期的缺失率、覆蓋度、均值和標(biāo)準(zhǔn)差是否有異常漂移。如果某一天某個因子的截面均值突然從 0.1 跳到 0.8很可能是數(shù)據(jù)源或計算邏輯出了問題。第六條為未來擴(kuò)展留接口。因子的研究對象不會永遠(yuǎn)停留在單一資產(chǎn)類別。如果你的因子庫從股票擴(kuò)展到期貨、轉(zhuǎn)債字段設(shè)計上需要預(yù)留資產(chǎn)類別標(biāo)識。另外如果未來要做機(jī)器學(xué)習(xí)因子挖掘生成的因子往往數(shù)量很多這時候因子庫就要支持批量注冊和批量更新而不是手工編寫每一條元數(shù)據(jù)。10. 階段收官該收拾的不只是代碼還有認(rèn)知回到文章最初的問題因子階段收官收的是什么從技術(shù)層面看是從數(shù)據(jù)流到因子庫的整條鏈路跑通。從認(rèn)知層面看是建立了一個很重要的判斷因子研究的核心資產(chǎn)不是某一個神奇因子而是把原始數(shù)據(jù)穩(wěn)定地加工成可驗證、可復(fù)用、可組合的因子資產(chǎn)的流水線能力。如果你正在做量化的第 90 天、第 200 天或者已經(jīng)有一堆因子腳本散落在各個 notebook 里這篇文章的建議是停下手頭繼續(xù)挖新因子的沖動先花一到兩周時間把已有的因子整理進(jìn)一個規(guī)范化的因子庫。這個動作看起來是在做“后勤工作”但它會顯著提升你后續(xù)研究的效率。你會發(fā)現(xiàn)很多以前需要重復(fù)排查的問題在因子庫建好之后自動消失了很多以前無法組合的因子現(xiàn)在只需要一次 JOIN 就能拿到對齊后的數(shù)據(jù)。接下來的學(xué)習(xí)方向可以沿著兩條線繼續(xù)深入。一條是因子組合與篩選方向基于因子庫做相關(guān)性聚類、正交化、因子合成這是“因子圖優(yōu)化”落地的實(shí)際場景另一條是數(shù)據(jù)流自動化方向把從數(shù)據(jù)清洗到因子入庫的過程做成定時任務(wù)和監(jiān)控告警讓因子庫成為真正可以支撐實(shí)盤研究的基礎(chǔ)設(shè)施。從數(shù)據(jù)流到因子庫不只是代碼層面的重構(gòu)更是研究思維的工程化升級。這一步邁過去量化研究才算真正進(jìn)入下一階段。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
九九成人视频| 久久久九九九 99| 色色色成人网| 中文AV在线播放| 色婷视频| 久久这里只有精品22| 婷婷激情五月天7| 五月开心播播网| 狠狠干狠狠色| 亚洲国产成人在线| www.色色五月天.com| 色色综合网络| 天天射夜夜骑| 亚洲另类婷婷五月综合| 婷婷五月天xxx| 国在线激情网| 九九99精品| 色婷成人狠干| 丁香六月综合激| 五月天综合久久| 我爱大香蕉| 大鸡巴伊人网| 久久综合五月情| 色婷婷成人做爰A片免费看网站| 欧美三级视频下载| 婷婷久久亚洲| 开心五月色婷婷综合开心网| 丁香亚洲婷婷五月| 天天日人人| 丁香五月亚洲AV| 久人人操| 色婷婷AⅤ| 亚洲黄色操逼| AV片在线观看| 日本玖玖在线| 人人操婷婷| 色色五月婷婷网| 99ER热精品视频| 中文字幕成人| 色婷婷狠狠| 狠狠人妻色综合| 色五月婷婷九月| 99在线精品视频免费观看20| 天天操天天操天天操天天操天天操天天操 | 五月天婷婷乱论小说| 婷婷丁香五月亚洲免费| 天天射色五月天| 五月天久久成人| 婷婷丁香五| 精品久热| a色色色色色| 日韩欧美一级大黄网站| 六月色色| 亚洲va欧美| 大香蕉久艹| 最新色色五月天| 九九大香蕉黄色影院| 色综合av超碰| 99热超| 色射7856五月天激情四射| www.久操| 亚洲Av成人在线观看| 91人人妻人人操| 国产亚洲99久久精品熟女| 五月天啪啪网| 99在线精品观看99| 免费看欧美成人A片无码| 97自拍视频在线| 99人人干| 精品一二三区久久AAA片| 五月天婷婷基地| 无码色| 九九热精品| 激情小说五月天| 亚洲精品又粗又大又爽A片| www.99热| 成人在线观看国产| 五月婷久草| 99在线播放| 99re在线免费视频| 9l视频自拍九色9l视频在线观看| 久99视频在线观看| 色婷婷XXXXX| 色婷婷婷av| 激情综合5月| 99视频久久免费视频| 五月天婷五月天综合网小说首页-五月天激激婷婷大综合,婷婷亚洲综合五月天小说 | 5月丁香美女影院| 亚州欧美黄色电影| 亚洲午夜Av| 成人色图情色成人网 www.5b5b5bcom 五月天 | 丁香五月最新地址| 青青色com久久| 久久精品天| 人妻激情视频| 久久婷婷亚洲| 深夜婷婷五月丁香| 亚州性爱99| 婷婷色五月色| 五月丁香激| 996er热| 久操人妻| 国产毛片精品一区二区色欲黄A片| 欧美三级巜人妻互换| 丁香婷婷AV| 91av无码| 97极品在线| 97碰免费视频在线| 五月夜丁香| 日日日影院| 欧美丁香婷婷五月天| 久久久久婷| 在线婷婷| 99噜噜噜在线播放| 一区二区乱视频码| 成人五月天丁香| 亚洲婷婷在线播放十月| 另类小说五月天综合网| 思思热这里只有精品| 日日噜噜夜夜狠狠久久丁香六月| 综合色播| 97在线观视频免费观看| 久久一操| 亚洲中字AV电影在线网站| 影音先锋男士资源网一区| 丁香五月性爱爱五月| 91视频一起草| 熟女五月天久久综合| 激情五月视频在线婷婷| 99综合免费视频| 国产全是老熟女太爽了| 婷婷热色| 色V狠狠的干| 久er7久热| 蜜桃婷婷丁香| 91丨九色丨白浆秘| 亚洲乱码日产精品BD| 超碰免费观看| 97碰久久| 九九免费在线视频| 国产精品爽爽久久久久久| 五月天婷婷丁香| 青青草青青草五月天| 丁香色影院| 丁香婷婷大香蕉| 色狠狠综合网| 五月综合激情| 亚洲精品白浆高清久久久久久| 色婷婷AV久久| 久热九九| 五月丁香花开综合网| 久久久天天啊| www.夜夜操| 99五丁香月| 国内精品99| 激情啪啪五月| 五月天婷婷开心| 99热66| 六月综合婷婷开心伊人| 欧美婷婷综合| 思思视频这里是精品| 丁香六月婷婷综合啪啪| 这里只有精品久久| 久久久五月天网站| 五月天婷婷在看| 五月婷婷,狠狠操| 婷婷五月在线视频| www.色婷婷.com| 2025最新亚洲激情在线| 97色97干| 亚洲av另类在线观看| 成人亚洲精品| 婷婷色激情五月天| 激情婷婷| 色综合丁香婷婷| 玖玖资源网站最新站| 成人在线日韩欧美| 婷婷五月天A V| 久激情网| 夜夜干夜夜操| 激情五月婷婷| 99色在线视频| 亚洲六月婷婷| 激情五月婷婷老师| 色狠狠五月天| 大香蕉欧美在线| 亚洲天堂啪啪| 色www99| 色婷婷电影网| 99综合视频| 婷婷97狠狠成人网站| 五月天另类图片区99| 深爱网深爱综合网| 人人爱操| 国产AV不卡福利| 涩涩五| 六月婷婷激情| 伊人五月婷婷国产视频| 79色色免费| 色婷婷久久| 99热 日韩| 色色综合色视频| 91婷婷五月天嫩女| 成人无码精品1区2区3区免费看 | 五月色导航| 五月丁香六月色| 精品少妇人妻AV无码专区偷人| 丝袜激情网| www.丁香黄色五月天人与| 五月婷婷色色色| 丁香花综合永久入口| 爆乳熟妇一区二区三区爆乳照片| 激情五月天小说| 丁香五月久久| www久久久久久久97| 五月丁香六月综合激情网| 欧美日韩91| 五月丁香婷婷老司机| www.激情在线| 9久精品视频| 激情网色五月| 色综合五月婷婷狠狠干| 色欲色香综合网| 9 1大香蕉| 五月天开心婷婷久久| 五月丁香 啪啪| 91精品久| 99激情网| 天天摸天天透天天舔| 成人午夜天| 另类专区在线观看| 另类激情五月在线视频欧美| 人人摸人人干| 开心五月婷婷激情网| 亚洲精品大片| 久久丁香五月| 这里只有精品在线视频在线观看| 国产午夜精品一区二区三区四区| 激情丁香婷婷六月天| 国产午夜精品一区二区| www亚洲无码| 99热精品一区| 99操| 99操| 国产免费AV网站| 日本色色影院| 国产午夜精品久久久观看| 亚洲国产精品SUV| 婷婷丁香五月麻豆| 91ncm视频| 色婷婷精品视频在线播放| 婷婷丁香第一页| 色综合激情| 夜色综合网| 天天射色五月天| 日本熟妇乱妇熟色A片蜜桃| 九热视频| 另类激情综合| 超碰无码318604| 夜丁香五月婷婷| 成人AV在线中文版| 99er免费在线观看| jiZZdr| 婷婷久久五月天丁香| 五月丁香婷婷成人网| 婷婷丁香九色| 草AV9999| 国产看真人毛片爱做A片| 五月在线婷色| 婷婷五月色播| 亚洲精品色色| 婷婷五月六月丁香| 97人人射| 亚洲热视频| 外国碰视频网站97| 99超级碰碰| 亚洲欧美国产A片免费观看| 九月色婷婷综合| 少妇AB又爽又紧无码网站| www.粉嫩av.com| 91精品婷婷国产综合久久| 99视频九九热| 色五月超碰| 婷婷色色欧美| 99只有这里有精品在线视频| 婷婷五月色花丁香社区| 丁香五月激情综合啪啪| 高清a片基地| 亚洲另类久久| 亚洲综合成人网| 久久久五月婷婷| 五月丁香六月婷婷激情视频在线观看免费| 国产婷婷久久| 日本婷婷色日| 日韩综合久| 五月天综合色| 丁乡久久| 日韩成人AV在线播放| 少妇婷婷五月天| 色色AV色色色东莞| 激情 婷婷| site:pnnrt.com| 一起操 91N.com| 26uuu最新地址| 99综合成人视频在线观看| 欧美成人网99网| 果冻传媒A片一二三区| 免费播放99性爱视频| 另类五月激情| 99久久免费精品| 国产性爱大片久久| 国产无套精品一区二区| 任你干嘛免费视频播放| 六月婷婷综合激情| 亚洲综合99| 色啪影院| 婷婷五月激情热播| 欧美韩国日本| 青青草六月丁香| 九色成人AV在线| 夜夜撸天天日| 九九久久污| 五月天网站免费欧美| 色婷婷AⅤ| 欧美乱码国产一级A片| 五月婷婷无码| 色五月视频无码播放| 一起草AV入口| www.亭亭五月天| 婷婷新网址| 激情六月天婷婷| 99热只有精品在线| 五月丁香六月婷综合成人综合| 丁香六月婷婷久久综合| 欧美成人精品A片免费一区99| 色国产五月| 成人亚洲精品久久久久| 色五月婷婷内射| 色综合9| 丁香五月天婷婷激情| 国产综合婷婷| 99视频在线| 婷婷五月天伊人在线| 国精产品一区一区三区免费视频| 国产精品蜜臀99| 丁香六月天婷婷| 国产毛片精品一区二区色欲黄A片| 97极品在线| 超碰免费人人| 久久狠色噜噜狠狠狠狠97| 新激情婷婷| 天天操婷婷| 插逼综合网| 99热超碰| 天色综合网站| 婷婷丁香黄色| 日韩在线视频中文字幕| 五月丁香天天| 狠狠色狠狠色综合日日91| 天天做天天爱天天高潮| 午夜大香蕉| 国产av天堂| 天天肏视频| www.夜夜| 我要看激情五月天| 另类亚洲视频| 97人人干人人操| 丁香六月婷婷色XXXX| 狠狠色噜噜色狠狠狠综合色| 99碰超| 丁香女人五月天| 99久久99综合| 五月天婷婷综合| 大香蕉五月婷婷| 色99视频| 五月激情婷婷开心| 黄网免费看| 97色婷婷| 色播五月婷婷五月| 91美女被操| 欧美交换配乱吟粗大25P| 丁香六月天婷婷开心综合| 日日操夜夜操无码免费| 这里只有精品视频| 五月婷婷网站| 丁香婷婷网| 国产精品人成A片一区二区| 亚洲99热| 狠狠综合| 91精品91久久久久77777| 色屌丝中文字幕| 亚洲精品视频在线| 99re热视频这里只精品| 综合五月婷婷| 久久中文人妻系列| 韩国97天堂| 变态另类9| 亚洲视频丁香网va| 啪色综合| 中文字幕日产A片在线看| 久久婷婷成人视频| 色婷小说| 久久综合丁香激情五月| 天天免费日日夜夜夜夜| 成人在线网址| 91日在线视频| 99啪啪视频| 六月色五月天天婷婷| 停停五月色宗合| www.狠狠| 丁香五月欧美| 凹凸探花电影| 亚洲AV无码影院| 91碰碰| 日韩1区2区| 777色婷婷爱五月| 99热传媒| 九九视频这里只有精品| 婷婷六月情| 97色色婷婷| 九色亚洲| 99色综合| 五月婷婷五月色| 亚洲激情 久久| 激情骚五月| 99色在线视频| 人人草开心五月天| 国产Va视频| 婷婷久久内射| A短视频免费在线观看| www久久艹| 高清无码一区二区三区四区| 色综合天堂| 婷婷五月性感| 色色色综合网| 丁香六月婷婷| 久久草婷婷丁香网站| 日本视频99| WWW.亚洲无码| 99热97| 色色色成人网| 激情开心五月婷婷| 中文精品在| 热91久| 中文字幕在线播放视频| 丁香五月六月婷婷怡红院| 99爱视频精品在线观看| 免费看片操逼| 久草婷婷网| 99热精品无码| www.夜夜| 婷婷伊人久久综合| 色五月综合婷婷久久综合婷婷久久综合婷婷久久综合婷婷久久 | 天天艹夜夜爽| 成人网址在线观看| 99啪在线视频| 九九色婷| 色婷婷久久| 激情婷婷五月天| 热热久久久久久久久| 91超碰在线观看| 亚洲综合欧美色丁香婷婷888月图片| 国产成人综合网| 色婷婷精品视频| 日韩AV色色色| 亚洲日本激情| 7777激情基地| 性爱人人网| 欧美婷婷丁香社区在线播放| 久久九九网| 超碰人人91| ss视频xx91| 日日干日日色| 色婷婷久久久| 狠狠爱夜夜| 久久ri精品| 激情综合五月婷婷| 综合色久| 人妻aV在线| 这里只有精品9| 开心深爱五月天| 丁香六月久久| www,色综合| 激情婷婷五月丁香啪啪啪| 国产成人网站在线观看| www.婷婷五月天.com| 天天操综合网| 色情五月停停丁香| 影音先锋 婷婷| 操操操www.com| 91丨九色丨丰满人妖| 久久九九囯产| 久久九九热38| 人妻丰满精品一区二区A片| 婷婷色在线| 激情丁香五月| 五月天久久婷婷| 亭亭五月天黑人2014| 激情com| 婷婷午夜精品久久久| 人妻操日日| 色99综合色88| 国产AV影片| 色色丁香| 激情五月天小说网| 国产亚洲99久久精品| 色五月婷婷五月天| www激情| 五月综合色播播丁香婷婷| 成人网站免费sxj| 天天弄天天爽| 性爱先锋AV| 亚洲操逼片| 国产综合婷婷| 亚洲天堂无码| www久久久久久| 日韩三级视频一区二区| 综合另类激情| 99色在线观看视频者| 精品一二三区久久AAA片| 91九色精品熟女内射| 激情综合网五月婷婷| 欧美精品999| 日韩久久色| EEUSS鲁片一区二区三区| 丁香五月婷婷在线观看| 免费不卡狠操美女视频网| 秋霞三及片| 欧美Va在线| 六月婷婷七月丁香| tingtingzonghewang| 岛国资源网| 99热这里有精品6| 色视频2025| 99热r| 九九国产视频| 色五月天.con| 五月丁香久人妻中文| 99精品热| 伊人网欧美在线男人天堂五月丁香| 五月婷婷大香蕉| 四色永久成人网站| 天天开心天天色| 九九99精品视频在线观看| 91操网| 丝袜大香蕉| 国产免费一区二区在线A片视频| www.久久久.com| 大香蕉五月天婷婷丁香91| 色婷婷玖玖影院| 中文在线成人| 啪啪黄页网| 色欲婷婷五月天丁香| 亚洲秘 无码一区二区三区妃光/1| 久久久久99精品成人网站| 欧美、日韩、中文、制服、人妻| 五月丁香色婷基地综合久久| 人妻激情在线| 一本久道综合色婷婷五月| 亭亭五月丁香综合欧美| 麻豆科斗777| 五月激情丁香久久综合网| 九九这里只这里只有精品| 九九精品这里只有| 99成人精品| 五月婷婷欲色| 久色欧美| 丁香五月婷婷五月天| 九九自拍网| 午夜免费试看| 国产日韩欧美性爱| 国产精品人人做人人爽人人添| 熟妇内谢69XXXXXA片| 国产乱子轮XXX农村| 成人 在线观看国产| ..真实国产乱子伦毛片| 伊人大香蕉毛片| 六月综合婷婷开心伊人| 91婷婷丁香五月| 天天看A片| 五月亭亭六月色| 成人婷婷桔色| 五月激情丁香| 色久丁香五| 五夜丁香| 99久久6| 欧美大肥婆大肥BBBBB| 无码 av电影| 婷婷性爱五月天丁香网| 五月婷婷久久久久| 亚洲操逼片| 成人五月天色天堂| 五月天四色房丁香| 很很干夜夜干| 婷婷射丁香| 99久视频| 五月丁香婷婷欧美色图视频五月丁香777电影 | 成功精品影院| 成人丁香婷婷| 丁香花操逼| 8区视频在线| 五六月婷婷| 五月丁香在线国产| 五月天另类小说| 色丁香五月| 亚洲最大视频| 日本久久激情| 五月婷婷六月综合| 丁香综合婷婷开心激情网| 五月熟妇婷婷久久| 淫水导航| 国产免费一区二区三区三州老师F1F1.CC | 亭亭五月天成人| 五月婷婷婷丁香播| 色999亚洲人成色| 欧美在线| 婷婷干六月综合旧址| 99在线69| 激情五月网站| 99看片| 久99久视频| 国产精品第一国产精品| 久久五月情| 日本一道久久| 亚洲无码成人性爰网| 深爱综合网| 深爱激情丁香| 九九99精品视品| 啪啪操操| 色9色| 天天摸色吧天天摸色吧| 色五月综合激情| 日本人妻伦在线中文字幕| 五月天色站| 久久免费精品小视频| 久久一二三视频| 激情亭亭五月| 少妇真实被内射视频三四区| 综合亚洲AV| 天天操天天爱天天日| 五月丁香六月婷婷手机无线| 五月丁香六月成人| 免费视频WWW在线观看网站| 99热在线网站| 久久永久网址| 99热这里只有精品3| 99热这里只有精品22| 久久精品无码一区| 六月婷婷综合激情| 五月天久久成人| 六月婷婷啪啪| 99国产精品久久久久久久久久久| 五月天丁香综合在线| 丁香六月狠狠| 日日夜夜天天综合| 狠狠操狠狠插| www.com在线操视频免费观看| 天天爱天天做天天日| 婷婷六月天亚州| 超碰成人在线观看| 九色综合网| 亚洲综合九九| 色婷婷五月天不卡| 国产精品久久..4399| www999日韩精品| 午夜天堂一区人妻| 久草性爱| 丁香五月欧美色综合| 亚洲色碰| 日本美女97在线视频| 色五月琪琪| 天天干天天叉| 五月丁香六月欧美综合网站| 狠狠色丁香久久综合婷婷亚洲成人福利| 色色色色欧洲| 99热九九热| 久久98| 久久精品日| 激情五月综合视频| 99这里有精品视频| 四季8848精品成人免费网站| 大香蕉综合| 夜夜综合色| 激情综合婷婷| av在线免费网站| 天天操天天谢| 任你艹| 亚洲综合欧美色丁香婷婷888月图片| 99精品视频免费在线播放| 狠狠高潮精品亚洲1| 成人无码髙潮喷水A片| 蜜臀av粉嫩av懂色av| 婷婷五月天激情小说网站| 狠狠色色| 中文字幕五月久久婷婷| 五月天a婷婷伊人| 国产 亚洲 在线| 熟妇天天综合| 亚洲天堂AV免费片| www久久久久久久97| 五月丁香六月停停停| 五月婷六月综合在线观看| 人人摸人人澡人人| 色婷婷中文| 人妻久久久久久久久妻久久久久久久久 | 99惹在线精品免费观看| 婷婷五月激情网| 亚洲欧美成人在线观看| 熟女重口味αV| 人人干女人| 五月天婷婷狂暴白浆| 五月天婷婷黄色视频| 日本狠狠干| 五月天社区婷婷| 色五月婷婷五月丁香五月激情五月视频| 七七色色综合| 国产99久9在线+|+传媒| 色噜噜,噜噜色| 99人人干| 9久久精品视频| 丁香六月毛片| 另类图片五月天| 91九色精品| 国产精品热搜丁香五月婷婷| 八戒青柠影视剧在线观看| 欧美婷婷丁香五月社区| 婷婷天天色| 电影91久久久| 99视频久久免费视频| 天天射美女| 99视频在线啪| www.亚洲激情| 99在线精品免费视频| 色综合久久888| 99热只有| 亚洲啪啪精品| 欧美色欲色欲天天天www| www.夜夜| 色情五月天视频网| 色综合久久88色综合天天99| 色婷婷五月成人网| 天天爽天天摸| 丁香五月大香蕉在线99| 婷婷的五月天另类视频| 久久这里只有精品8| 久久WW| 激情五月天激情小说| 5月丁香综合图区| 五月婷婷久久开心网| 五月亭亭直播| 影音先锋色婷婷| 桃色五月天| 五月婷婷综合成人| 色五月天视频| 亚洲字幕AV一区二区三区四区| 99噜噜噜在线播放| 婷婷五月丁香啪啪| 1区2区视频| 亚州色色色| 97色综合视频| 九色色| 日韩人妻AV在线| 丁香伊人激情| 五月婷婷综合在线| 激情综合播播| 91丨九色丨东北熟女| AV在线大香蕉| 97干在线观看视频| 91无码高清| 五月婷婷综合视频| 久久码久久无清| 深爱婷婷丁香五月激情| 色婷婷啪啪综合网| 五月婷婷开心丁香| 婷婷婷婷婷婷婷婷婷婷丁香| 六月丁香婷婷网| 天天综合色| 五月激情四射婷婷丁香| 99热在线播放| 激情丁香婷婷六月天| 丁香五月天啪啪| 五月天激情四射| 亚洲综合在线视频| 亚洲中文字幕网| 97人人操人人爽| 天天肏夜夜肏| 久久9视频| 久久婷婷色| 91AV婷婷| 99日韩| 99热精品在线播放| 九九人人操| 五月天色区| 99在线er热| www.91久久| 五月天婷婷色紫薇阁| 少妇人妻人伦A片| site:esunnet.com| 国产肥白大熟妇BBBB视频 | www久久久| 99久久6| 五月天激情国产综合婷婷婷就去爱| 丁香五月天堂网| 亚洲sesesese| 激情五月婷婷| 插插插色综合网| 国产亚洲成AV人片在线观黄桃| 丁香五月六月婷婷自拍| 日韩国产在线精品| 婷婷五月综合啪| 亚洲成AV人片在线观看| 丁香五月婷婷色情综合| 丁香五月成人丝袜| 色色99| 97资源碰碰| 美女五月天| 99久久99视频只有精品| 欧美槡BBBB槡BBB少妇| 清色五月天| 婷婷香蕉精品| 99久久九九| WWW.久久久久久久久久久久久| 色五月亚洲| 狠狠五月激情丁香六月| 色一情一乱一乱一区91Av| eeuss人妻| 欧美交换配乱吟粗大25P| 天天射影视综合网| 午夜激情四射影院| 色偷偷五月天| 超碰成人在线观看| 九九热在线精品视频| 青草性爱视频| 色色色九九九五月婷婷| 激情综合网五月激情| 激情 婷婷| 9久精品| 色情·com| 亚洲春色奇米影视| 综合五月网| 婷婷五月丁香花综合| 91久久婷婷| 免费色色色| 久久久久久久久月丁| 五月天啪啪| www.五月天婷婷| 久久香蕉影院| 色9色| 亚洲中文字幕在线电影| 久久久精品人妻| 91人人操人人| 国产精品国产成人国产三级| 婷婷五月色综合| 激情综合在线播放| 九九AV| 六月香五月婷| 99精品丰满| 日本一级一片免费视频| 《诡秘之主》在线观看| 亚洲国产精品二二三三区| www.久久av.com| 9有码中文| 婷婷久久五月天| 伍月婷丁香花全集| 久久9999| 久久538| 天天操夜夜肏| 99人人精品| www.久久久久久久| 99热这里只有99| 熟女人妻视频| 天天综合在线网| 丁香六月婷婷综合激情欧美| 无遮挡国产高潮视频免费观看| 久热网站| 亚洲五月天婷婷| 8090在线影视少妇| 婷婷五月天高清无码| 亚洲在线操| 国产成人精品一区二三区熟女在线| 岛国AV网| www.91久久| 黄色国久久| 99综合网| 亚洲综人色综网| 五月丁香婷婷五月色| 99色色网| 安息电影在线观看完整版| yw国产AV| 色综合久久44| 激情www.98com| 久久婷婷资源| 婷婷综合五月| 婷婷五月婷| 亚洲AV人人操| 久久在线视频免费观看| 日日干日日| 亚洲综合视频天天精品| 182tv992tv人之初午夜免费观看| 成人版视频在线观看| 天天爽—爽| 五月丁香婷婷啪啪网| 另类小说色婷婷| 五月草影视| 久99视频| 超碰97在线观看免费| 亚洲视频二区| 五月丁香六月婷婷手机无线| a九九热www| 久久人妻超碰一区| 五月天婷婷綜合院| 五月天婷婷爱丁香中文字幕| 六月丁香停| 被男人添B超爽视频| 婷婷久久丁香| 丁香五月色综合色播五月| 91久久国产综合久久| 99热精品在线播放| 婷婷开心久久| 66精品国产成人| 丁香五月婷婷久久久| 婷婷丁香五月激情| 女人天堂 AV| 亭亭五月丁香综合欧美| 微拍92| 五月天综合视频| 色婷婷狠狠18| 五月激情丁香六月狠狠干| 97人妻碰碰碰久久久久-最近国语高清| 五月色网| 五月激情婷婷国产精品久久久久久| 亚洲久久视频| 欧美日韩成人在线网| 99这里有精品| 99热成人精品网站| 人人干天天操五月丁香| 欧美 日韩 成人 在线| 婷婷丁香五月天综合激情| 九色视频91疯狂| 精品无码99| 性色欲情 网站| 九九99九九精品视频| 婷婷五月天色色| 激情小说婷婷| 深爱激情五月天婷婷网| AV在线资源| 婷婷六月偷拍| 91日韩在线| 99热日| 狠狠操狠狠做| 五月丁香婷婷爱激情综合网| 六月丁香成人| 日产精品一线二线三线芒果| 色五月综合在线| 91人人爽久久涩噜噜噜| 91操色| 日本久久视频| 天天久久婷婷| 另类图片五月天| 色婷婷欧美| 人妻久久久久久久久久久| 丁香综合伊人| 殴美激情综合网| www.久久久久久久久久.com| 天天做天天爱| 日韩综合久久| 婷婷五月天六点丁香五月| 婷婷五月天色综合翘| 成人婷99最新| 99热超| 色五月婷婷777| 九九热最新地址| 夜夜久久综合网| 欧美激情-区二区三区| 婷婷丁香五月激情综合站_久久五月丁香激情综合_开心五月综合激情综合五月_婷 | 国产精品噜噜在线视频| 亚洲美女高潮久久久久久69| 人人操操97| 《亚洲操B久久免费在线观看,亚洲操B久久在线播放》在线播放 - 高清资源 - 97 | 国产色99| 五月综合激情久久| 99视频内射三四| 日本三级中文字幕| 人人草开心五月天| 婷婷五月天熟妇| 婷婷欧美偷拍综合| 久久网日本| 婷婷五月六月丁香| 99视频免费播放 | 在线超碰精品| 欧美成人精品A片免费一区99| 日日夜夜天天综合| 中文久久婷婷| 成人五月天视频| 五月丁香六月婷婷玖玖| 五月花综合| 精品网站:999WWW| 欧美色偷偷大香| 色色婷婷综合| 婷婷五月天综合网| 激情婷婷五月| 97视频91| 99久久五月婷婷| 99精品免费欧美小视频 | 丁香五月之久操视频| 丁香六月综合激情| 天天色宗合| 九热免费视频| 亚洲色婷婷五月天| 久久性爱视频这里只有精品| 亚洲熟妇AV综合网五月丁香伊人| 99热这里只有精品268| 内射综合网| 五月天天综合| 2021日韩无码| 红桃91人妻爽人妻爽| 天海翼中文字幕高| www.色五月| 色色热| 操一区| 亚洲无码播放| 国产精品国产| 激情综合激情综合| 五月丁香欧美综合| 丁香五月天BBw| 成人网站免费sxj| 五月婷婷五月天激情视频| 99er6免费视频热播| av在线观看网站| 五月丁香毛片| 色九月丁香婷婷蜜桃在线观看| 婷婷情色开心五月天99| 免费做A爰片77777| 久久久中文| 亚洲午夜av| 日本五月婷婷| 99思思| 久热91| 九九香蕉网| 精品在线网站| 欧美婷婷日本| 久久艹99| 无码99| www夜夜操| 日日综合网| 色在线视频网2025| 五月婷婷免费看| 婷婷五月天激情基地| 天天爽天天摸| 99免费视频网| 日日夜夜狠狠干| 六月婷婷亚洲| 久久这里只有国产视频| 久久婷婷婷婷伊人| 婷婷四色成人综合色视| 色色婷婷综合网| 九九热在这里只有精品| 开心五月婷婷激情网| 亚洲麻豆乱码国产2028| 天天碰天天插天天操| 婷婷开心青青草| 婷婷六月久久| 99热99精品在线观看| 思思热再线视频| 米奇影视资源婷婷狠狠色激情欧美五月丁香| 亚洲婷婷丁香五月视频| 69激情小说| 久久九九蜜| 69色色视频| 色五月婷婷婷婷| 日本欧美国产| 日韩av网址大全| 五月婷婷丁香瑟瑟视频| 亚洲操b| 天天插综合| 五月天激情小说网| 国产激情在线| 激情综合九月| 久久九色| 精品人妻伦一二三区久久| 亚洲欧美婷婷五月色综合| 禁欲电影完整版在线播放| 久久思思热| 97caop| 五月天丁香久久综合 | 色五月婷婷综合| 天天舔天天摸| 婷婷丁香花五月天| 在线婷婷| 五月天综合婷婷| 成人短视频在线观看| 伊人激情AV一区二区三区| 婷婷五月丁香五月| 国产91资源在线| 久久这里只有精品视频15 | 中文精品久久久久人妻不| 九九热九九| 婷婷五月激情欧美大胆视频| 日本激情五月天‘| 久久婷婷六月综合综合色| 丁香五月天婷婷中文字幕| 婷婷五月激情网| 欧美 日韩 成人 在线| 99精在线| 欧洲色| 色综合激情图区| 久久久久久久人妻| 久久婷婷五月天| 无码一区精品一区视频| 色吊丝99| 久久久久久久久久久44| 丁香婷婷五月激情| 第四色婷婷日本| 色五月婷婷五月久久| 色丁香五月综合网| 26uuu成人网| 超碰免费成人| 日韩另类| 九九九激情综合| 夜色爱爱亚洲| 久久jiuwww| 国产亚洲在线观看| 天天色天天爱天天舔| 天天cha成人综合网| 九九精品在线观看视频6| 狠狠操狠狠操| 日韩操人| 激情综合五月| 激情综合色婷婷啪啪五月天| 丁香五月 无码| 婷婷激情九月| 六月丁香五月激情亚洲AV| 天天射天天射一道本日本社区| 色色色9| 综合婷婷久久| 色区久久| 99精日本久久| 五月婷婷九| 婷婷和五月天| 五月天综合区| 青青草成人网| 久99久在线| 无码免费人妻A片AAA毛片西瓜 | 五月丁香婷婷啪啪综合| 97色干| 天天综合图片| 色婷婷五月天激情在线观看| 综合色情网| 欧美成人AAA片一区国产精品| 婷婷九月丁香| 五月天精品视频| 精品一二三区久久AAA片| 一级性感毛片| 97色婷婷成人综合在线观看| 丁香婷婷五月天色播| 天天插,天天射| 久久久18| 日本熟妇乱妇熟色A片蜜桃| 五月婷婷亚洲色图| 久99视频| 色婷婷亚洲在线| 99爱视频| 性爱视频久久| 99精品综合在线| 日韩综合网络男女香蕉a片| 久久五月婷综合网| 六月丁香婷婷综合在线| 婷婷激情社区| 青青久久五月| 日本99视频精品免费播放| 伍月婷婷免费视频| 日韩色色视频www| 丁香五月综合激情啪啪| 年轻的妺妺伦理HD中文| 五月婷婷自拍视频| www.狠狠艹| 久久草大香蕉| 日韩在线看AV| 九九色色| 99热精品99| 人人看人人要| 丁香婷婷基地| 日日爽夜夜爽| tingtingseav| 五月丁香激情啪啪| 色五月婷婷婷婷| 婷婷六月啪啪| 五月婷婷爽爽爽| 久99久在线观看| 色婷婷五月基地在线| 婷婷五月天在线视频网站| 亚洲色综合| 丁香五月很很肏| 9久视频| 五月婷六月天| 色色色色综合网| 国产精品第一国产精品| 婷婷情色五月天| 色 五月婷婷基地| 色综合九九色综合88| 日韩综合成人| 九热免费视频| 大伊久久| 色色色婷婷五月天| 婷婷丁香激情五月天色色色| 天堂色婷婷| 婷婷五月天色综合| 久久激情五月婷婷| 丁香色婷婷色手机免费在线| 丁香婷婷性爱| 伊人狠狠干| 婷婷色五月天在线| 99热九九九九| 五月天丁香啪啪综合| 综合五月网| 99色色| www.com亚洲网站在线免费| www.伊人天堂偷偷婷婷| 午夜亚洲国产精品av一区二区| 日韩精品一区二区三区,四区,五区视频| 91超碰在线观看| 人人人操B超碰| 五月丁香在线观看| 九九综合五月欧美| 蜜桃婷婷丁香五月天狠狠久久综合| 丁香五月先锋| 日韩人妻AV在线| 在线99热| 欧美色爱五月天| 欧美激情综合色综合啪啪五月| 婷综合六月| 五月六月激情婷婷| 一级精品999WWW| 大香蕉AV电影在线| 99这里只有精品视频免费| 直接看的AV| 少妇AB又爽又紧无码网站| 色热久| 欧美草久久五月天91| 9久久精品| 久久99精品日本| 色情久久久| 色五月天综合网| 殴美日韩成人| 五月婷六月丁| www.婷婷五月| 日本久草福利| 色婷婷五月天堂资源| 99免费| 亚洲婷婷激情综合激情999精品| 人人干人人操人人摸人人做| 激情五月丁香五月| 丁香五月婷婷综合激情啪啪啪啪啪啪啪 | 182.t午在线观看| 丁香六月天婷婷在线| 激情综合在线观看| 丁香五月激情啪啪综合| 激情五月激情综合网一级丸片| 97干在线观看视频| 国产人人操| www.91.com处女在线直播| 99福利导航| 六月婷婷日| 午夜青草资源| 中文字幕 中文字幕明步| 人妻激情视频|