alpha101

# Alpha101 — WorldQuant 101 Formulaic Alphas ## 概述 Zura Kakushadze 论文《101 Formulaic Alphas》(arXiv:1601.00991) 的完整Python实现。 101个真实量化交易alpha因子，公式即代码。 ### 论文关键数据 - 平均持仓期: 0.6-6.4天 - 平均两两相关性: 15.9% - 收益与波动率强相关: R ~ σ^0.76 ## 文件结构 ``` skills/alpha101/ ├── SKILL.md ← 本文件 ├── scripts/ │ ├── alpha101.py ← 101个因子函数 + 基础函数库 │ ├── compute_ic.py ← 因子IC/IR计算 │ └── backtest_alpha.py ← 单因子回测 └── references/ └── paper_notes.md ← 论文笔记与函数定义 ``` ## 使用方式 ### 1. 因子计算 ```python from scripts.alpha101 import compute_alphas, alpha101 # 输入: date x ticker DataFrame data = { 'open': df_open, 'close': df_close, 'high': df_high, 'low': df_low, 'volume': df_vol, 'vwap': df_vwap, 'returns': df_returns } # 计算所有可用因子 alphas = compute_alphas(data) # dict of alpha_name -> DataFrame # 单独计算 from scripts.alpha101 import alpha101 a101 = alpha101(df_open, df_close, df_high, df_low) ``` ### 2. 因子IC测试 ```bash python scripts/compute_ic.py --data <path> --output results/ ``` ### 3. ��因子回测 ```bash python scripts/backtest_alpha.py --alpha 101 --data <path> ``` ## 因子分类 | 类别 | 因子 | 输入 | |------|------|------| | 纯价量 | #1-#47, #49-#55, #60, #61, #71-#74, #84, #88, #101 | OHLCV + VWAP | | 行业中性化 | #48, #56, #58-#59, #63, #67, #69-#70, #76, #79-#82, #87, #89-#91, #93, #97, #100 | + 行业分类 | | 复杂参数 | #57-#99 | 非整数窗口, 混合权重 | ## 基础函数速查 ``` rank(x) 截面排名 [0,1] delay(x,d) d天前的值 delta(x,d) 当期 - d天前 correlation(x,y,d) d天滚动相关 scale(x,a=1) ...