请根据以下 SEO 主题生成完整页面内容：

Title: joinquant 聚宽因子库应用：获取 Skewness60 偏度因子构建选股策略

Question: 如何在 joinquant 中直接使用 get_factor_values 获取个股收益偏度因子进行选股？

在 joinquant 中使用 get_factor_values 获取 Skewness60 因子进行选股

在聚宽（joinquant）量化交易平台中，jqfactor 模块提供了丰富的因子库。Skewness60 属于风险因子，表示个股收益的 60 日偏度。偏度用于衡量股票收益率分布的不对称程度，低偏度或负偏度股票通常意味着下行风险已被释放或具备异动潜力。

本文将介绍如何通过 get_factor_values API 获取该因子，并构建一个按月调仓的因子选股策略。

---

一、get_factor_values API 简介

get_factor_values 函数用于快速获取质量、风险、情绪等数百个聚宽因子库数据。

函数语法与参数：

from jqfactor import get_factor_values

factor_data = get_factor_values(securities, factors, start_date, end_date, count)

• securities: 股票池，单个股票代码（字符串）或股票代码列表。
• factors: 因子 code，如 'Skewness60'。
• start_date / end_date / count: 时间范围控制说明，start_date 与 count 二选一。
• 返回值: 返回一个字典（dict），key 为因子名称，value 为 pandas.DataFrame（index 为日期，columns 为股票代码）。

---

二、核心代码实现：获取与筛选 Skewness60 因子

以下示例展示如何在指定的交易日获取沪深300成分股的 Skewness60 因子，并按因子值从低到高排序提取前 10 只股票：

import pandas as pd
from jqdata import get_index_stocks
from jqfactor import get_factor_values

# 1. 获取沪深300成分股列表
stocks = get_index_stocks('000300.XSHG')

# 2. 查询 Skewness60 因子（最近 1 个交易日）
factor_data = get_factor_values(
    securities=stocks, 
    factors=['Skewness60'], 
    end_date='2023-01-01', 
    count=1
)

# 3. 提取 DataFrame 并处理
df_skew = factor_data['Skewness60'].T
df_skew.columns = ['skew_value']

# 4. 剔除空值并升序排序（选出偏度最小的股票）
top_stocks = df_skew.dropna().sort_values(by='skew_value', ascending=True).head(10)
print(top_stocks)

---

三、完整 joinquant 策略源码

下面是一个完整的 JoinQuant 策略，逻辑为：每月第一个交易日开盘前，获取沪深300成分股中 Skewness60 最小的 10 只股票进行调仓建仓。

import pandas as pd
from jqdata import *
from jqfactor import get_factor_values

def initialize(context):
    # 设置基准
    set_benchmark('000300.XSHG')
    # 开启动态复权（真实价格）
    set_option('use_real_price', True)
    # 设置交易税费（股票类）
    set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
    
    # 选股参数定义
    g.num_stocks = 10
    
    # 设置定时运行函数：每月第一个交易日开盘前运行选股，开盘时执行调仓
    run_monthly(before_market_open, monthday=1, time='09:00', reference_security='000300.XSHG')
    run_monthly(market_open, monthday=1, time='09:30', reference_security='000300.XSHG')

def before_market_open(context):
    # 1. 获取基准成分股作为初始股票池
    stocks = get_index_stocks('000300.XSHG', date=context.current_dt)
    
    # 2. 获取前一交易日的 Skewness60 因子数据
    factor_data = get_factor_values(
        securities=stocks, 
        factors=['Skewness60'], 
        end_date=context.previous_date, 
        count=1
    )
    
    df_factor = factor_data['Skewness60'].T
    df_factor.columns = ['factor_val']
    
    # 3. 过滤停牌及新股/退市等无效数据，并排序
    df_clean = df_factor.dropna()
    sorted_stocks = df_clean.sort_values(by='factor_val', ascending=True).index.tolist()
    
    # 4. 选取因子值最小的前 N 只股票
    g.target_stocks = sorted_stocks[:g.num_stocks]
    log.info("最新选股目标列表: %s" % g.target_stocks)

def market_open(context):
    # 1. 卖出不在目标池中的股票
    for stock in list(context.portfolio.positions.keys()):
        if stock not in g.target_stocks:
            order_target(stock, 0)
            log.info("卖出股票: %s" % stock)
            
    # 2. 均仓买入目标股票
    if len(g.target_stocks) > 0:
        target_value = context.portfolio.available_cash / len(g.target_stocks)
        for stock in g.target_stocks:
            if context.portfolio.positions[stock].closeable_amount == 0:
                order_target_value(stock, target_value)
                log.info("买入股票: %s" % stock)

---

四、注意事项与优化建议

1. 避免未来函数: 调仓日获取因子时，end_date 应当设置为 context.previous_date 或上一交易日，严禁传入包含当前调仓日收盘后的时刻。
2. 组合去极值与中性化: 如果需要叠加其他因子，可配合 jqfactor 提供的 winsorize（去极值）与 neutralize（行业/市值中性化）函数对因子进一步提纯。
3. 单次请求上限: 聚宽 API 规定单次请求的因子总点数（因子数 × 股票数 × 交易日数）不能超过 200,000 个，大批量计算时请分批获取。