今天，咱们来不绝学习量化选股因子alpha101，alpha101是一组由WorldQuant发表的论文《101 Formulaic Alphas》中给出的101个基于行情数据的因子，这些因子不错伙同机器学习来进行量化选股。WorldQuant是一家民众量化金钱措置公司，该公式被合计是民众量化界的黄埔军校，培养出了一批顶级的Quant东说念主才。证实贵寓泄露这内部还有不少因子仍然灵验，咱们先来望望函数界说开云体育(中国)官方网站，然后分析一下公式含义，在后续的系列著述中咱们将我方跑一下代码分析这些因子在A股的灵验性。

系列著述一：解锁大厂量化交往诀要：选股因子分析（一）

Alpha#8(-1 * rank(((sum($open, 5) * sum($returns, 5)) - delay((sum($open, 5) * sum($returns, 5)),10))))

这个量化因子不错分为以下几个部分：

sum($open, 5)：暗意夙昔5个交往日的股票开盘价之和。

sum($returns, 5)：暗意夙昔5个交往日的股票收益率之和。

(sum($open, 5) * sum($returns, 5))：将夙昔5个交往日的股票开盘价之和和收益率之和相乘。

delay((sum($open, 5) * sum($returns, 5)),10)：将夙昔5个交往日的股票开盘价之和和收益率之和乘积上前推迟10个交往日。

((sum($open, 5) * sum($returns, 5)) - delay((sum($open, 5) * sum($returns, 5)),10))：计较夙昔5个交往日的股票开盘价和收益率乘积与上前推迟10个交往日的乘积之差。

rank(((sum($open, 5) * sum($returns, 5)) - delay((sum($open, 5) * sum($returns, 5)),10)))：将第5步中的差值进行名次。

临了，通盘量化因子乘以-1获取负数。

说七说八，该量化因子的计较法子如下：

计较夙昔5个交往日的股票开盘价之和。

计较夙昔5个交往日的股票收益率之和。

将夙昔5个交往日的股票开盘价之和和收益率之和相乘。

将夙昔5个交往日的股票开盘价之和和收益率之和乘积上前推迟10个交往日。

计较夙昔5个交往日的股票开盘价和收益率乘积与上前推迟10个交往日的乘积之差。

对第5步中的差值进行名次。

将名次乘以-1获取负数。

这个量化因子的宗旨可能是寻找夙昔一段时辰内的股票开盘价和收益率之间的相对干系，何况将这种干系的强度通过名次映射到一个汇集的数值范畴内，以便于后续的股票战术打算和分析。由于这个量化因子是负的，因此它可能会被用作股票战术中的“作念空”信号，即合计名次较低的股票可能会在将来融会较差。

Alpha#9

((0 < ts_min(delta($close, 1), 5)) ? delta($close, 1) : ((ts_max(delta($close, 1), 5) < 0) ?delta($close, 1) : (-1 * delta($close, 1))))

这个量化因子不错分为以下几个部分：

delta($close, 1)：暗意今天的收盘价减去昨天的收盘价。

delta($close, 1)：同上。

delta($close, 1)：同上。

ts_min(delta($close, 1), 5)：暗意夙昔5个交往日中，逐日的收盘价变化量（即今天的收盘价减去昨天的收盘价）的最小值。

0 < ts_min(delta($close, 1), 5)：若是夙昔5个交往日中，逐日的收盘价变化量的最小值大于0，则复返真，不然复返假。

((0 < ts_min(delta($close, 1), 5)) ? delta($close, 1) : ((ts_max(delta($close, 1), 5) < 0) ?delta($close, 1) : (-1 * delta($close, 1))))：若是第5步为真，则复返今天的收盘价减去昨天的收盘价；不然，若是夙昔5个交往日中，逐日的收盘价变化量的最大值小于0，则复返今天的收盘价减去昨天的收盘价；不然复返今天的收盘价减去昨天的收盘价的违反数，即今天的收盘价比昨天着落了。

说七说八，这个量化因子的计较法子如下：

计较今天的收盘价减去昨天的收盘价。

计较今天的收盘价减去昨天的收盘价。

计较今天的收盘价减去昨天的收盘价的违反数。

计较夙昔5个交往日中，逐日的收盘价变化量（即今天的收盘价减去昨天的收盘价）的最小值。

若是夙昔5个交往日中，逐日的收盘价变化量的最小值大于0，则复返今天的收盘价减去昨天的收盘价；不然参预法子6。

若是夙昔5个交往日中，逐日的收盘价变化量的最大值小于0，则复返今天的收盘价减去昨天的收盘价；不然复返今天的收盘价减去昨天的收盘价的违反数，即今天的收盘价比昨天着落了。

这个量化因子的宗旨可能是寻找股票价钱的短期涨跌趋势，何况证实趋势的不同，弃取不同的交往战术。具体来说，当夙昔5个交往日中，逐日的收盘价变化量的最小值大于0时，标明股票价钱存在高涨趋势，因此不错筹商买入；当夙昔5个交往日中，逐日的收盘价变化量的最大值小于0时，标明股票价钱存鄙人跌趋势，因此不错筹商卖出或作念空；不然标明股票价钱波动较为自若，不错筹商抓有或不雅望。

Alpha#10rank(((0 < ts_min(delta($close, 1), 4)) ? delta($close, 1) : ((ts_max(delta($close, 1), 4) < 0)? delta($close, 1) : (-1 * delta($close, 1)))))

这个量化因子不错分为以下几个部分：

delta($close, 1)：暗意今天的收盘价减去昨天的收盘价。

delta($close, 1)：同上。

delta($close, 1)：同上。

ts_min(delta($close, 1), 4)：暗意夙昔4个交往日中，逐日的收盘价变化量（即今天的收盘价减去昨天的收盘价）的最小值。

0 < ts_min(delta($close, 1), 4)：若是夙昔4个交往日中，逐日的收盘价变化量的最小值大于0，则复返真，不然复返假。

((0 < ts_min(delta($close, 1), 4)) ? delta($close, 1) : ((ts_max(delta($close, 1), 4) < 0)? delta($close, 1) : (-1 * delta($close, 1))))：若是第5步为真，则复返今天的收盘价减去昨天的收盘价；不然，若是夙昔4个交往日中，逐日的收盘价变化量的最大值小于0，则复返今天的收盘价减去昨天的收盘价；不然复返今天的收盘价减去昨天的收盘价的违反数，即今天的收盘价比昨天着落了。

rank(((0 < ts_min(delta($close, 1), 4)) ? delta($close, 1) : ((ts_max(delta($close, 1), 4) < 0)? delta($close, 1) : (-1 * delta($close, 1)))))：将第6步中的恶果进行名次。

说七说八，这个量化因子的计较法子如下：

计较今天的收盘价减去昨天的收盘价。

计较今天的收盘价减去昨天的收盘价。

计较今天的收盘价减去昨天的收盘价的违反数。

计较夙昔4个交往日中，逐日的收盘价变化量（即今天的收盘价减去昨天的收盘价）的最小值。

若是夙昔4个交往日中，逐日的收盘价变化量的最小值大于0，则复返今天的收盘价减去昨天的收盘价；不然参预法子6。

若是夙昔4个交往日中，逐日的收盘价变化量的最大值小于0，则复返今天的收盘价减去昨天的收盘价；不然复返今天的收盘价减去昨天的收盘价的违反数，即今天的收盘价比昨天着落了。

对第6步中的恶果进行名次。

这个量化因子的宗旨与前一个访佛，皆是寻找股票价钱的短期涨跌趋势，何况证实趋势的不同弃取不同的交往战术。与前一个因子不同的是，这个因子的计较中使用了一个较短的时辰窗口（4天），因此更郑重短期的价钱变化情况。

Alpha#11

((rank(ts_max(($vwap - $close), 3)) + rank(ts_min(($vwap - $close), 3))) *rank(delta($volume, 3)))

这个量化因子不错分为以下几个部分：

$vwap - $close：暗意当日的成交量加权平均价减去当日的收盘价。

ts_max(($vwap - $close), 3)：暗意夙昔3个交往日中，逐日的成交量加权平均价减去收盘价的最大值。

rank(ts_max(($vwap - $close), 3))：对第2步中的恶果进行名次。

ts_min(($vwap - $close), 3)：暗意夙昔3个交往日中，逐日的成交量加权平均价减去收盘价的最小值。

rank(ts_min(($vwap - $close), 3))：对第4步中的恶果进行名次。

delta($volume, 3)：暗意今天的成交量减去3天前的成交量。

rank(delta($volume, 3))：对第6步中的恶果进行名次。

((rank(ts_max(($vwap - $close), 3)) + rank(ts_min(($vwap - $close), 3))) *rank(delta($volume, 3)))：将第3步和第5步中的名次恶果相加，并将恶果与第7步中的名次恶果相乘。

说七说八，这个量化因子的计较法子如下：

计较当日的成交量加权平均价减去当日的收盘价。

计较夙昔3个交往日中，逐日的成交量加权平均价减去收盘价的最大值。

对第2步中的恶果进行名次。

计较夙昔3个交往日中，逐日的成交量加权平均价减去收盘价的最小值。

对第4步中的恶果进行名次。

计较今天的成交量减去3天前的成交量。

对第6步中的恶果进行名次。

将第3步和第5步中的名次恶果相加，并将恶果与第7步中的名次恶果相乘，获取最终的恶果。

这个量化因子的宗旨可能是寻找股票价钱和成交量之间的干系，何况证实干系的不同弃取不同的交往战术。具体来说，这个因子计较了当日的成交量加权平均价和收盘价之间的相反，并将这个相反与夙昔几天的最大相反和最小相反以及成交量的变化量进行名次组合。名次操作将这些因子映射到一个汇集的数值范畴内，简单后续的股票战术打算和分析。

通过这个量化因子，不错识别出成交量和价钱之间的正负推敲性和强度。若是成交量和价钱的正推敲性比拟强，那么这个因子的值可能会比拟高，反之则可能比拟低。证实这个因子的值和趋势，不错筹商弃取不同的交往战术，比如当这个因子的值比拟高时，可能要筹商买入股票，而当这个因子的值比拟低时，则可能要筹商卖出或作念空股票。

Alpha#12(sign(delta($volume, 1)) * (-1 * delta($close, 1)))

对不起，我的前一个恢复有误。sign函数是一个标记函数，而不是正弦函数。我解说一下这个量化因子的计较法子：

delta($volume, 1)：暗意今天的成交量减去昨天的成交量。

sign(delta($volume, 1))：若是今天的成交量大于昨天的成交量，则复返1；若是今天的成交量小于昨天的成交量，则复返-1；若是今天的成交量就是昨天的成交量，则复返0。

delta($close, 1)：暗意今天的收盘价减去昨天的收盘价。

(-1 * delta($close, 1))：暗意昨天的收盘价减去今天的收盘价。

(sign(delta($volume, 1)) * (-1 * delta($close, 1)))：将第2步和第4步中的恶果相乘。

说七说八，这个量化因子的计较法子如下：

计较今天的成交量减去昨天的成交量。

若是今天的成交量大于昨天的成交量，则复返1；若是今天的成交量小于昨天的成交量，则复返-1；若是今天的成交量就是昨天的成交量，则复返0。这里使用的是标记函数sign()，而不是正弦函数。

计较今天的收盘价减去昨天的收盘价。

计较昨天的收盘价减去今天的收盘价。

将第2步和第4步中的恶果相乘，获取最终的恶果。

这个量化因子的宗旨可能是寻找成交量和价钱之间的干系，何况证实干系的不同弃取不同的交往战术。具体来说，这个因子计较了成交量的变化地点和价钱的变化地点，并将它们相乘获取一个新的因子。若是成交量和价钱的变化地点一致，那么这个因子的值为负数，反之则为正数。在这个量化因子中，用标记函数sign()来判断成交量变化的地点，并用负数的价钱变化来暗意价钱的变化地点。因此，若是成交量和价钱的变化地点一致，那么这个因子的值将为负数，暗意市集可能出现了回转或退换的信号；若是成交量和价钱的变化地点不一致，那么这个因子的值将为正数，暗意市集可能会延续之前的趋势。

通过这个量化因子，不错识别出成交量和价钱之间的干系和变化地点，并证实变化地点弃取不同的交往战术。若是成交量和价钱的变化地点不一致，那么可能要筹商奴婢趋势进行交往；若是成交量和价钱的变化地点一致，那么可能要筹商严慎退换仓位省略进行逆向操作。

Alpha#13

(-1 * rank(covariance(rank($close), rank($volume), 5)))

这个量化因子包含了以下几个法子：

率先，将收盘价（$close）和成交量（$volume）的名次别离计较出来，获取两个名顺次列；

接着，将这两个名顺次列手脚输入，计较它们在夙昔5天内的时辰序列协方差（covariance）；

再将这个协方差序列的名次（rank）计较出来；

临了，将这个名顺次列乘以-1，获取最终的输出。

因此，这个量化因子的作用是计较收盘价和成交量之间在夙昔5天内的时辰序列协方差，然后将计较出的恶果按照名次进行排序并取违反数，暗意越小的值越好。

Alpha#14((-1 * rank(delta($returns, 3))) * correlation($open, $volume, 10))

这个量化因子包含了以下几个法子：

率先，计较收益率（$returns）在夙昔3天内的变化量，获取一个时辰序列；

接着，将这个时辰序列的名次（rank）计较出来，并将其乘以-1；

然后，计较开盘价（$open）和成交量（$volume）在夙昔10天内的时辰序列推敲性（correlation）；

临了，将第2步计较出的名顺次列和第3步计较出的推敲性相乘，获取最终的输出。

因此，这个量化因子的作用是计较收益率在夙昔3天内的变化量，并将其名次后取违反数，暗意越小的值越好；同期，也筹商了开盘价和成交量在夙昔10天内的推敲性，暗意开盘价和成交量的干系对该股票的影响。最终输出的值越小，暗意该股票的收益率变化和开盘价与成交量之间的推敲性越高，可能标明该股票更有价值或更有后劲。

Alpha#15

(-1 * sum(rank(correlation(rank($high), rank($volume), 3)), 3))

这个量化因子包含了以下几个法子：

率先，将最高价（$high）和成交量（$volume）的名次别离计较出来，获取两个名顺次列；

接着，将这两个名顺次列手脚输入，计较它们在夙昔3天内的时辰序列推敲性（correlation）；

再将这个推敲性序列的名次（rank）计较出来；

接下来，对第3步计较出的名顺次列在夙昔3天内进行乞降（sum）；

临了，将第4步的恶果乘以-1，获取最终的输出。

因此，这个量化因子的作用是计较最高价和成交量之间在夙昔3天内的时辰序列推敲性，然后将计较出的恶果进行名次，并在夙昔3天内进行乞降，暗意该股票在夙昔3天内最高价和成交量之间的推敲性的总体融会。最终输出的值越小，暗意该股票在夙昔3天内最高价和成交量之间的推敲性越致密，可能标明该股票更有后劲省略更具有投资价值。

Alpha#16(-1 * rank(covariance(rank($high), rank($volume), 5)))

这个量化因子包含了以下几个法子：

率先，将最高价（$high）和成交量（$volume）的名次别离计较出来，获取两个名顺次列；

接着，将这两个名顺次列手脚输入，计较它们在夙昔5天内的时辰序列协方差（covariance）；

再将这个协方差序列的名次（rank）计较出来；

临了，将这个名顺次列乘以-1，获取最终的输出。

因此，这个量化因子的作用是计较最高价和成交量之间在夙昔5天内的时辰序列协方差，然后将计较出的恶果进行名次，并取违反数，暗意越小的值越好。最终输出的值越小，暗意该股票在夙昔5天内最高价和成交量之间的波动性越小，可能标明该股票更结识省略更相宜用于风险限度。

Alpha#17

(((-1 * rank(ts_rank($close, 10))) * rank(delta(delta($close, 1), 1))) *rank(ts_rank(($volume / mean($volume,20)), 5)))

这个量化因子包含了以下几个法子：

率先，计较收盘价（$close）在夙昔10天内的时辰序列名次（ts_rank）；

然后，将第1步计较出的名顺次列乘以-1，获取一个名顺次列；

接着，计较收盘价在夙昔1天内的一阶差分（delta），并对这个一阶差分再次进行一阶差分，获取二阶差分的时辰序列；

再将第3步计较出的时辰序列进行名次；

然后，将第4步计较出的名顺次列再次乘以-1，获取一个名顺次列；

接下来，计较成交量（$volume）在夙昔20天内的平均值（mean），并将逐日成交量除以这个平均值，获取一个相对成交量的时辰序列；

然后，计较这个相对成交量的时辰序列在夙昔5天内的时辰序列名次；

临了，将第6步和第7步计较出的名顺次列相乘，获取最终的输出。

因此，这个量化因子的作用是空洞筹商了收盘价和成交量在夙昔10天内的名次、收盘价在夙昔2天内的二阶差分的名次以及相对成交量在夙昔5天内的名次。最终输出的值越小，暗意该股票在这些方面的融会越好，可能标明该股票更有投资价值省略更相宜用于投契交往。

Alpha#18(-1 * rank(((stddev(abs(($close - $open)), 5) + ($close - $open)) + correlation($close, $open,10))))

这个量化因子包含了以下几个法子：

率先，计较收盘价（$close）和开盘价（$open）之差的全皆值，并在夙昔5天内计较它们的圭臬差（stddev）；

然后，将第1步计较出的圭臬差加上收盘价和开盘价之差获取一个时辰序列；

接下来，计较收盘价和开盘价在夙昔10天内的时辰序列推敲性（correlation）；

临了，将第2步和第3步计较出的恶果相加，并将相加的恶果进行名次并取违反数。

因此，这个量化因子的作用是空洞筹商了收盘价和开盘价之间的相反度（即第1步计较的圭臬差和差值），以及收盘价和开盘价在夙昔10天内的推敲性。最终输出的值越小，暗意该股票在这些方面的融会越好，可能标明该股票更有投资价值省略更相宜用于投契交往。

Alpha#19

((-1 * sign((($close - delay($close, 7)) + delta($close, 7)))) * (1 + rank((1 + sum($returns,250)))))

这个量化因子包含了以下几个法子：

率先，计较收盘价（$close）和7天前的收盘价之差，获取一个时辰序列；

然后，计较收盘价在夙昔7天内的一阶差分（delta），并将两个时辰序列相加；

接下来，将第2步计较出的恶果取标记函数（sign）；

然后，计较收益率（$returns）在夙昔250天内的时辰序列累加和（sum）；

接着，将第4步计较出的时辰序列加1，并将加1后的时辰序列进行名次；

临了，将第3步和第5步计较出的恶果相乘，并将相乘的恶果取违反数。

因此，这个量化因子的作用是空洞筹商了收盘价和7天前的收盘价之差以及收益率在夙昔250天内的累加和。最终输出的值越小，暗意该股票在这些方面的融会越好，可能标明该股票更有投资价值省略更相宜用于投契交往。具体地，第1步和第2步计较的恶果不错反应出现时收盘价与一周前的收盘价的相反进度以及收盘价的短期变化趋势；第4步计较的恶果不错反应出该股票的长久收益融会，而第5步计较的恶果则对这个长久收益融会进行名次，从而将其编削为一个相对宗旨。

Alpha#20(((-1 * rank(($open - delay($high, 1)))) * rank(($open - delay($close, 1)))) * rank(($open -delay($low, 1))))

这个量化因子包含了以下几个法子：

率先，计较开盘价（$open）与前一天的最高价（delay($high, 1)）之差，并将差值的名顺次列计较出来；

然后，将第1步计较出的名顺次列乘以-1，获取一个名顺次列；

接下来，计较开盘价与前一天的收盘价（delay($close, 1)）之差，并将差值的名顺次列计较出来；

然后，将第3步计较出的名顺次列与第2步计较出的名顺次列相乘，获取一个名顺次列；

接着，计较开盘价与前一天的最廉价（delay($low, 1)）之差，并将差值的名顺次列计较出来；

临了，将第4步计较出的名顺次列与第5步计较出的名顺次列相乘，获取最终的输出。

因此，这个量化因子的作用是空洞筹商了开盘价与前一天的最高价、收盘价、最廉价之间的相反性。该量化因子的输出值越小，暗意该股票在这些方面的融会越好，可能标明该股票更具有投资价值省略更相宜用于投契交往。具体来说，第1步和第3步计较的恶果不错反应出现时开盘价与前一天的最高价、收盘价的相反进度，第5步计较的恶果不错反应出现时开盘价与前一天的最廉价的相反进度，而第2步到第4步计较出的名顺次列则通过对这些相反进度进行名次开云体育(中国)官方网站，从而将其编削为一个相对宗旨。

TODO 本站仅提供存储做事，系数本色均由用户发布，如发现存害或侵权本色，请点击举报。