从使用者视角来看，本次project主要包含以下模块：
- Factor模块：实现从raw data到factor的过程，从而进入Signal模块
- Signal模块：接收上一模块输入的factor，进行一系列操作后，产生Signal，进入Strategy模块
- Strategy模块：接收上一模块产生的Signal后，进一步处理，得到股票配置的策略
这里的重点在于factorManager的设计，他需要包含以下几个功能：
- load_factor：根据使用者的需求从因子库中读取因子
- update_factor：检查截至最新日期，因子库中的因子数据是否有未更新的，如果有，则计算未更新时间段中的因子值
- save_factor：将update factor中新计算出的factor进行保存，以便下次使用
本模块主要包括两大功能：generateSignals和smoothing，即产生raw signal，signal平滑处理
是一个iteration，每个迭代过程会实现以下几个功能：
-
slicefactor：对于Factor模块中输进来的factor进行切片处理
-
preprocessing：对于上一步的factor进行预处理
- 遮罩：剔除上市未满一年、ST、涨跌停的股票等
- 极值处理、中性化与标准化处理等
-
getSignal：使用多种模型（线性、树等）对于处理后的factor进行分析，从而产生signal
最终generateSignals会输出包含这段时间每天signal的一张表
对于generateSignals产出的raw signals进行平滑处理
利用叶文轩之前写好的内容对于单个signal进行测试，并输出测试报告
接收Signal模块输出的信号，并利用不同的方法，产出股票配置的策略：
- long-short
- long only
- 利用cvxopt进行各种组合优化
讨论：
整体框架设计，各模块功能
任务：
学习类的继承
讨论整体框架设计，各模块功能，分配任务，重点在于Signal模块的设计
任务：
编写Signal模块中get_signal会用到的方法：
- 线性（叶梦婕）
- 树状（国欣然）
- 网络型（薛岚天）
从以上三个方向编写CrossSectionalModels（AlphaSignalFromMachineLearning\BackTesting\Signal\CrossSectionalModels）以及FeatureSelectors（AlphaSignalFromMachineLearning\BackTesting\Signal\FeatureSelectors）
讨论：
-
上周任务完成情况
- 已编写线性（OLS、Ridge、Lasso），树状，KNN的CrossSectionalModel
- 线性模型已测试完成
- parameter的获取方式：jsonPath，paraDict，CrossValidation
-
SignalBase的方法设计
任务：
- code review
- 编写CrossSectionalModelSklearn与ModelTest两个类，使得构造CrossSectionalModel时直接继承这两个
- CrossSectionalModelSklearn：实现共同init的方式，fit的方式（CV或者直接fit）
- ModelTest：对模型进行测试的工具包，例如：计算score，画图等等
- 整理文件夹，每个目录都设置README
- SignalBase的方法编写
- generate_signals（国欣然）
- train_test_slice（叶梦婕）
- preprocessing（叶文轩）
- get_signal（国欣然）
- smoothing（薛岚天）