Tushare 因子库是 Tushare Pro平台自主研发的专业量化投资因子数据服务，旨在为量化研究者和投资机构提供系统化、标准化的因子计算与因子值数据。因子库覆盖 A 股全市场股票，基于行情数据、财务数据和基本面数据，经过严格的计算逻辑和截面标准化处理，可直接用于多因子选股、因子回测、风险模型构建等量化投研场景。
因子库当前共包含 202 个因子（还在继续增加中），涵盖 9 大因子类别，构建了从估值、成长、质量到动量、流动性、风险的完整因子体系，基本覆盖了主流量化投资所需的因子维度。
因子值数据最早可追溯至 2010 年，覆盖超过 16 年的历史数据，满足长期回测和因子衰减分析的需求。数据每日更新，保证因子值的时效性。
同一类因子提供多种时间窗口（如 5d、21d、42d、63d、126d、252d、504d 等），支持短中期与中长期策略的研究和对比，便于进行因子期限结构分析。
| 类别 | 因子数量 | 说明 |
|---|---|---|
| Alpha101 | 31 | 基于 WorldQuant Alpha101 公式计算的量价因子 |
| Growth | 15 | 衡量企业成长性的财务因子 |
| Liquidity | 35 | 衡量股票流动性和交易活跃度的因子 |
| Momentum | 20 | 衡量价格趋势和动量效应的因子 |
| Quality | 59 | 衡量企业财务质量和经营效率的因子 |
| Reversal | 3 | 捕捉短期价格反转信号的因子 |
| Risk | 25 | 衡量股票风险特征的因子 |
| Size | 3 | 衡量市值规模的因子 |
| Value | 11 | 衡量股票估值水平的因子 |
| 合计 | 202 |
基于 WorldQuant 发表的《101 Formulaic Alphas》论文，利用价量数据（开盘价、收盘价、最高价、最低价、成交量、VWAP 等）通过数学公式计算得到的量价因子。这类因子侧重于捕捉短期价格与成交量之间的非线性关系，是量化选股中常用的 Alpha 来源。
典型因子示例：
- alpha101_1：基于负收益时段波动放大的极值位置排名因子
- alpha101_6：开盘价与成交量的 10 日相关性负值
- alpha101_101：日内价格变动占日内振幅的比例
衡量企业盈利和资产增长能力的因子，基于财务报表数据计算。涵盖同比增长（YoY）、环比增速（QoQ）、增长加速度等维度，用于识别高成长性企业。
典型因子示例：
- yoy_revenue：营业收入同比增长因子
- yoy_net_profit：净利润同比增长因子
- yoy_roe：ROE 同比增长率因子
- asset_growth_qoq：总资产环比增速
- sa：每股销售收入增长加速度
衡量股票交易活跃度和流动性特征的因子，基于换手率、成交额等量能数据计算。提供从 5 天到 252 天的多周期窗口，并包含换手率乖离率（Bias）因子，用于捕捉流动性变化趋势。
典型因子示例：
- avg_turnover_5d / avg_turnover_63d / avg_turnover_252d：不同周期的平均换手率
- bias_turn_63d_252d：3 个月平均换手率与 12 个月的乖离率
- volume_alpha_300d_000300：个股成交量变化率相对于沪深 300 的滚动 Alpha
衡量价格趋势延续性的因子，包括累计收益率、移动平均线、Alpha 超额收益、技术指标等。提供从 5 天到 252 天的多种时间窗口，并包含相对于上证指数和沪深 300 指数的超额 Alpha 因子。
典型因子示例：
- return_5d / return_63d / return_252d：不同周期的累计收益率
- alpha_250d_000300：相对沪深 300 的 250 日 Alpha
- MACD：MACD 技术指标（12 日快线 / 26 日慢线 / 9 日信号线）
- rsrs：RSRS 阻力支撑相对强度指标
因子库中数量最多的类别，全面衡量企业财务质量和经营效率。涵盖盈利能力（ROE、ROA、毛利率、净利率）、偿债能力（资产负债率、流动比率、速动比率）、营运能力（各类周转率）、利润质量（现金流比率）等维度，并提供多个同比变化因子（Delta 系列）用于捕捉财务趋势变化。
典型因子示例：
- roe_ttm / roa_ttm：ROE / ROA 因子（TTM 口径）
- debt_asset_ratio：资产负债率因子
- quality_composite：AQR 质量综合因子
- delta_roe / delta_roa：ROE / ROA 同比变化因子
- inventory_turnover：存货周转率因子
捕捉短期价格过度反应后的反转效应。因子数量精简但各有侧重，适用于短期反转策略。
典型因子示例：
- small_cap_reversal_21d：小盘反转因子（21 日累计收益反转信号）
- rsi：RSI 相对强弱指标（14 日周期）
- price_dist：股价与心理整数关口距离因子
衡量股票风险特征的因子，包括收益率波动率、Beta 系数、Sharpe 比率、特质性风险（Sigma）、价格振幅等。提供多种对标基准（沪深 300、上证指数）和多种时间窗口，支持系统性风险和特异性风险的分离分析。
典型因子示例：
- return_std_63d / return_std_252d：不同周期的日收益率滚动标准差
- beta_250d_000300：相对沪深 300 的 250 日滚动 Beta
- sharpe_750d：750 日 Sharpe 比率
- sigma_1320d_000300：特质性风险（1320 日，对标沪深 300）
- beta_consistency_1320d_000300：Beta 稳定性指标
衡量股票市值规模的因子，包括总市值因子、流通市值因子和市值非线性因子。规模因子是经典的风格因子之一，小市值效应在 A 股市场历史上表现显著。
典型因子示例：
- size：总市值因子（总市值的负对数）
- float_size：流通市值因子（流通市值的负对数）
- nl_size：市值非线性因子（size^3 对 size 截面回归残差）
衡量股票估值水平的因子，采用市场价格与基本面指标的比值来评估股票的相对价值。涵盖市盈率倒数、账面市值比、股息率、现金流市值比等多种经典价值度量。
典型因子示例：
- earnings_to_price：市盈率倒数（归母净利润 TTM / 市值）
- book_to_market：账面市值比
- dividend_yield_3y_avg：3 年平均股息率
- fcf_to_market：自由现金流市值比
- ebitda_to_market：EBITDA 市值比
import tushare as ts
pro = ts.pro_api()
df = pro.factor_list()
返回所有可用因子的基本信息，包括因子名称（factor_name）、因子描述（factor_desc）、资产类型（asset_type）和因子分类（factor_type）。
按股票代码查询：
# 获取某只股票的指定因子历史值
df = pro.factor_value(factor_name='bias_turn_63d_504d', ts_code='000001.SZ')
按日期查询（全市场截面）：
# 获取某一天全市场所有股票的因子值
df = pro.factor_value(factor_name='bias_turn_63d_504d', trade_date='20260812')
当按日期查询全市场因子值时，返回的是长表格式（每行一只股票）。可使用 pivot_table 转换为宽表格式（每列一只股票），便于横向对比：
df_pivot = df.pivot_table(
index=['factor_name', 'trade_date'],
columns='ts_code',
values='factor_value'
).reset_index()
| 场景 | 说明 |
|---|---|
| 多因子选股 | 组合多个不同类别的因子，构建综合评分模型进行选股 |
| 因子回测 | 利用历史因子值进行 IC 分析、分层回测，评估因子有效性 |
| 因子衰减分析 | 利用多周期因子数据，分析因子收益随时间衰减的速度 |
| 风险模型构建 | 使用 Risk 类因子（Beta、Sigma 等）构建组合风险模型 |
| 风格归因 | 通过 Size、Value、Momentum 等风格因子进行收益归因分析 |
| Alpha 策略开发 | 基于 Alpha101 量价因子开发统计套利或 Alpha 对冲策略 |