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
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
python scripts/compute_ic.py --data <path> --output results/
3. 单因子回测
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) 缩放使sum(abs(x))=a
decay_linear(x,d) 线性衰减加权均值
ts_min/ts_max(x,d) 滚动最小/最大
ts_rank(x,d) 时间序列排名
ts_sum/ts_std(x,d) 滚动求和/标准差
adv{d} d天平均成交额
IndNeutralize(x,ind) 行业中性化
回测注意事项
- 交易成本: 论文因子扣除cost后Sharpe才是真Sharpe
- 过拟合: 101个因子中部分可能已衰减，需样本外验证
- 市场适配:
- A股: T+1限制，持仓期需调整
- 加密: 24/7，日频→小时频需改窗口参数
- Polymarket: 流动性低，部分因子不适用
- 行业因子: 需要行业分类映射，加密市场可用板块替代
决策框架
因子计算 → IC/IR筛选(>0.03) → 样本外验证 → 组合构建(低相关等权) → 回测扣费 → 实盘
1---
2name: alpha101
3description: |
4 WorldQuant 101 Formulaic Alphas — 因子计算、IC测试、回测一体化工具包。
5 基于Kakushadze (2015) 论文，提供101个价量/波动率/相关性因子的Python/Pandas实现。
6 Use when: "alpha101", "101因子", "formulaic alphas", "因子回测", "因子IC", "因子筛选",
7 "WorldQuant因子", "价量因子", "alpha因子库".
8allowed-tools: Read, Write, Edit, Grep, Glob, Bash(python:*)
9version: 1.0.0
10author: Simons (CQO)
11---
12
13# Alpha101 — WorldQuant 101 Formulaic Alphas
14
15## 概述
16
17Zura Kakushadze 论文《101 Formulaic Alphas》(arXiv:1601.00991) 的完整Python实现。
18101个真实量化交易alpha因子，公式即代码。
19
20### 论文关键数据
21- 平均持仓期: 0.6-6.4天
22- 平均两两相关性: 15.9%
23- 收益与波动率强相关: R ~ σ^0.76
24
25## 文件结构
26
27```
28skills/alpha101/
29├── SKILL.md ← 本文件
30├── scripts/
31│ ├── alpha101.py ← 101个因子函数 + 基础函数库
32│ ├── compute_ic.py ← 因子IC/IR计算
33│ └── backtest_alpha.py ← 单因子回测
34└── references/
35 └── paper_notes.md ← 论文笔记与函数定义
36```
37
38## 使用方式
39
40### 1. 因子计算
41
42```python
43from scripts.alpha101 import compute_alphas, alpha101
44
45# 输入: date x ticker DataFrame
46data = {
47 'open': df_open, 'close': df_close, 'high': df_high, 'low': df_low,
48 'volume': df_vol, 'vwap': df_vwap, 'returns': df_returns
49}
50
51# 计算所有可用因子
52alphas = compute_alphas(data) # dict of alpha_name -> DataFrame
53
54# 单独计算
55from scripts.alpha101 import alpha101
56a101 = alpha101(df_open, df_close, df_high, df_low)
57```
58
59### 2. 因子IC测试
60
61```bash
62python scripts/compute_ic.py --data <path> --output results/
63```
64
65### 3. 单因子回测
66
67```bash
68python scripts/backtest_alpha.py --alpha 101 --data <path>
69```
70
71## 因子分类
72
73| 类别 | 因子 | 输入 |
74|------|------|------|
75| 纯价量 | #1-#47, #49-#55, #60, #61, #71-#74, #84, #88, #101 | OHLCV + VWAP |
76| 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 |
77| 复杂参数 | #57-#99 | 非整数窗口, 混合权重 |
78
79## 基础函数速查
80
81```
82rank(x) 截面排名 [0,1]
83delay(x,d) d天前的值
84delta(x,d) 当期 - d天前
85correlation(x,y,d) d天滚动相关
86scale(x,a=1) 缩放使sum(abs(x))=a
87decay_linear(x,d) 线性衰减加权均值
88ts_min/ts_max(x,d) 滚动最小/最大
89ts_rank(x,d) 时间序列排名
90ts_sum/ts_std(x,d) 滚动求和/标准差
91adv{d} d天平均成交额
92IndNeutralize(x,ind) 行业中性化
93```
94
95## 回测注意事项
96
971. **交易成本**: 论文因子扣除cost后Sharpe才是真Sharpe
982. **过拟合**: 101个因子中部分可能已衰减，需样本外验证
993. **市场适配**:
100 - A股: T+1限制，持仓期需调整
101 - 加密: 24/7，日频→小时频需改窗口参数
102 - Polymarket: 流动性低，部分因子不适用
1034. **行业因子**: 需要行业分类映射，加密市场可用板块替代
104
105## 决策框架
106
107```
108因子计算 → IC/IR筛选(>0.03) → 样本外验证 → 组合构建(低相关等权) → 回测扣费 → 实盘
109```
aAAaqwq