WorldQuant 101 Alpha因子构建及因子测试

背景介绍

根据WorldQuant发表的论文《101 Formulaic Alphas 》 ，其中公式化地给出了101个alpha因子。与传统方法不一样的是，他们根据数据挖掘的方法构建了101个alpha，据说里面80%的因子仍然还行之有效并被运用在实盘项目中。

在BigQuant策略研究平台上，可通过表达式快速进行因子构建和数据标注，再也不需要自己手动编写冗长代码。

表达式简介

因为在机器学习和深度学习中，因子是一个很重要的概念，也被称为特征，开发AI算法的关键在于特征选择。如果是简单的基础因子，比如近5日收益率：$$\begin{gathered} close{ \\ }_5/close{ \\ }_0-1 \end{gathered}$$，因子构建比较简单，但是如果想构建近5日每日收益率和成交量的相关性这个因子就比较棘手，需要编写大量的代码来计算该因子。因此，我们设计了bigexpr表达式引擎。

bigexpr是BigQuant开发的表达式计算引擎，通过编写简单的表达式，就可以对数据做任何运算，而无需编写代码。

bigexpr在平台上被广泛使用，M.advanced_auto_labeler 和 M.derived_feature_extractor 都已经由bigexpr驱动，您可以用表达式就可以定义标注目标和完成后特征抽取。

正如刚刚提到的近5日每日收益率和成交量的相关性因子可以这样定义：

$$\begin{gathered} correlation(close{ \\ }_0/shift(close{ \\ }_0,1)-1,volume{ \\ }_0,5) \end{gathered}$$
其中，$correlation$表示求相关系数，$$\begin{gathered} close{ \\ }_0 \end{gathered}$$表示当天收盘价，$$\begin{gathered} shift(close{ \\ }_0,1) \end{gathered}$$表示前一日收盘价，$$\begin{gathered} volume{ \\ }_0 \end{gathered}$$表示当天成交量。因此，可以看出，并不需要编写大量代码计算该因子，通过表达式即可快速构建。

函数说明

表达式引擎中有不少简单函数，对其中的部分函数进行解释：

• 可分为横截面函数和时间序列函数两大类，其中时间序列函数名多为以KaTeX parse error: Expected group after '_' at position 5: ts\\_̲开头
• 大部分函数命名方式较为直观
• $abs(x)$ 、$log(x)$分别表示$x$的绝对值和$x$的自然对数
• $rank(x)$表示某股票$x$值在横截面上的升序排名序号，并将排名归一到[0,1]的闭区间
• $delay(x,d)$表示$x$值在$d$天前的值
• $delta(x,d)$表示$x$值的最新值减去$x$值在$d$天前的值
• $correlation(x,y,d)$、$covariance(x,y,d)$分别表示$x$和$y$在长度为$d$的时间窗口上的皮尔逊相关系数和协方差
• $$\begin{gathered} ts{ \\ }_{m}in(x,d) \end{gathered}$$、$$\begin{gathered} ts{ \\ }_{m}ax(x,d) \end{gathered}$$、$$\begin{gathered} ts{ \\ }_{a}rgmax(x,d) \end{gathered}$$、$$\begin{gathered} ts{ \\ }_{a}rgmin(x,d) \end{gathered}$$、$$\begin{gathered} ts{ \\ }_{r}ank(x) \end{gathered}$$、$sum(x,d)$、$stddev(x,d)$等均可以通过函数名称了解其作用

因子说明

BigQuant平台上系统因子超过2000个，包括了基本信息因子、量价因子、估值因子、财报因子、技术指标因子等。本文简单举若干因子进行介绍。

基本信息因子

• list_days # 上市天数
• list_board_0 # 上市板
• company_found_date_0 # 公司成立天数
• industry_sw_level1_0 # 申万一级行业类别
• st_status_0 # ST状态
• in_sse50_0 # 是否属于上证50指数成分
• in_csi300_0 # 是否属于沪深300指数成分

量价因子

• open_0 # 当日开盘价
• open_1 # 前一日开盘价
• close_0 # 当日收盘价
• high_0 # 当日最高价
• low_0 # 当日最低价
• volume_0 # 当日成交量
• amount_0 # 当日成交额
• adjust_factor_0 # 复权因子

估值因子

• market_cap_0 # 总市值
• rank_market_cap_0 # 总市值排序
• pe_ttm_0 # 市盈率（TTM）
• rank_pe_ttm_0 # 市盈率（TTM）升序百分比排名
• pe_lyr_0 # 市盈率（LYR）
• pb_lf_0 # 市净率（LF）
• ps_ttm_0 # 市销率（TTM）

财报因子

• fs_net_profit_0 # 归属母公司股东的净利润
• fs_net_profit_yoy_0 # 归属母公司股东的净利润同比增长率
• fs_net_profit_qoq_0 # 归属母公司股东的净利润环比增长率
• fs_roe_0 # 净资产收益率
• fs_roa_0 # 总资产收益率
• fs_gross_profit_margin_0 # 销售毛利率
• fs_net_profit_margin_0 # 销售净利率
• fs_eps_0 # 每股收益
• fs_bps_0 # 每股净资产
• fs_cash_ratio_0 # 现金比率

数据标注

和因子构建一样，数据标注也是机器学习算法中非常重要的一部分，更详细的文档为：自定义标注。

以前，数据标注主要通过fast_auto_label实现，有了表达式后，数据标注可以通过advanced_auto_label实现。数据标注的整体思想和内容主要体现在标注表达式上，可以通过 M.instruments模块获取证券代码列表，然后通过 M.advanced_auto_labeler模块实现标注表达式的编写，如下代码所示：

• label_expr为一个list，列表里四个元素决定了标注的具体操作，详细见：表达式引擎
• 计算未来一段时间的相对收益作为标注的原始依据，这里可以使用bigexpr表达式，快速完成数据标注
• 使用clip和all_quantile函数做极值处理
• 将原始数据离散化，这里可以采取等宽离散化或者等频离散化，两者各有优劣
• 通过where函数过滤掉一字涨停的样本数据

101 Alphas列表

为了方便查看，这里选取了WorldQuant公开的101个alpha及其表达式（因版面受限，可至社区查看全部）。可以参考下面的单因子测试的代码做实验，对各因子进行测试，希望大家都能开发出可以稳定盈利的策略，发掘出新的alpha。

单因子测试

这里我们以 shift(close_0,15) / close_0 因子为例，介绍如何进行单因子测试，开发基于单因子的AI策略（克隆请至社区）。