因子迴歸分析引擎

這是一個簡易的 Web 應用程式，用於分析股票因子與報酬率之間的關係。使用者可以上傳包含收盤價和因子數據的兩個 CSV 檔案，系統會自動進行數據清理、執行三種不同的迴歸模型，並回傳一份效能比較報告。

• Web 介面：透過簡單的網頁介面即可上傳資料並查看結果，無需編寫任何程式碼。
• 自動化資料清理：自動移除缺失值過多或數據長度不一致的公司資料。
• 多模型分析：
  1. 原始 OLS 迴歸：一個基準模型。
  2. 過濾高 Leverage：移除具有高槓桿值的觀察點後重新建立模型，以降低異常值的影響。
  3. 過濾高 LOO Error：移除 Leave-One-Out (LOO) 誤差最大的觀察點後重新建立模型，是另一種處理影響點的方法。
• 動態報告生成：自動生成一個清晰的表格來比較不同模型的 RMSE (均方根誤差) 與其他診斷指標。

.
├── app.py              # Flask Web 應用程式
├── engine.py           # 核心分析引擎 Class
├── requirements.txt    # Python 依賴套件
├── README.md           # 本說明文件
├── templates/          # HTML 網頁模板
│   ├── index.html      # 上傳頁面
│   ├── layout.html     # 基礎樣式頁面
│   └── results.html    # 結果顯示頁面
└── uploads/            # 存放使用者上傳的暫存檔案

1. 環境要求

• Python 3.7+

2. 複製專案

git clone <your-repository-url>
cd MR

3. 安裝依賴套件

在專案根目錄下，執行以下指令來安裝所有必要的 Python 套件：

pip install -r requirements.txt

1. 啟動 Web 應用程式

   在專案根目錄下，執行以下指令：

   flask run

   或者

   python app.py

   啟動成功後，您會看到類似以下的訊息：

    * Running on http://127.0.0.1:5000
   

2. 開啟瀏覽器

   打開您的網頁瀏覽器，並前往 http://127.0.0.1:5000。

3. 上傳檔案

   • 在「收盤價資料」欄位，選擇您的價格資料 CSV 檔案。
   • 在「因子資料」欄位，選擇您的因子資料 CSV 檔案。
   • 注意：檔案必須是 utf-16 編碼且以 tab ( ) 分隔的格式，如同原始腳本中的讀取設定。

4. 開始分析

   點擊「開始分析」按鈕。系統會處理您的資料並在新的頁面顯示分析結果報告。

您也可以在其他的 Python 腳本中直接匯入並使用 AnalysisEngine。

from engine import AnalysisEngine

# 初始化引擎，傳入檔案路徑
engine = AnalysisEngine(data_path='path/to/your/data.csv', factor_path='path/to/your/factor.csv')

# 執行分析 (可傳入不同的時間參數)
engine.run_analysis(
    train_return_time=202412, 
    train_predictor_time=202411, 
    test_return_time=202501, 
    test_predictor_time=202412
)

# 獲取結果報告
summary_df = engine.get_summary_report()

print(summary_df)