实现alpha 101因子 Alpha#

由 jliang创建, 更新于 2025-01-22T11:52:16.622767+08:00

• 实现alpha 101因子 Alpha#14: ((-1 rank(delta(returns, 3))) correlation(open, volume, 10)) 。
  其中 returns 可用通过close计算
• 要实现 Alpha#14 因子，我们可以按照以下步骤进行计算：
  
  1. 计算收益率 (returns)：使用 close 价格计算收益率，公式为 close / mlag(close, 1) - 1。
  
  2. 计算收益率的 3 期差分 (delta(returns, 3))：使用 mdelta 函数计算收益率的 3 期差分。
  1. 对差分结果进行排名 (rank(delta(returns, 3)))：使用 crank 函数对差分结果进行截面排名。
  
  4. 计算开盘价与成交量的 10 期相关性 (correlation(open, volume, 10))：使用 mcorr 函数计算开盘价与成交量的 10 期相关性。
  1. 组合计算结果：将排名结果与相关性结果相乘，并乘以 -1。
  
  
  以下是实现该因子的 SQL 查询代码：
  
  

  import dai
  
  
  
  查询 Alpha#14 因子
  
  
  df = dai.query("""
  
      SELECT 
  
          date, 
  
          instrument,
  
          (-1  crank(mdelta(close / mlag(close, 1) - 1, 3)))  mcorr(open, volume, 10) AS alpha14
  
      FROM 
  
          cnstockbar1d
  
      WHERE 
  
          date BETWEEN '2020-01-01' AND '2021-01-01'
  
  """, filters={"date": ["2020-01-01", "2021-01-01"]}).df()
  
  
  
  print(df)
  
  

  
  
  

  代码解释：

  • close / mlag(close, 1) - 1：计算每日收益率。
  
  - mdelta(close / mlag(close, 1) - 1, 3)：计算收益率的 3 期差分。
  • crank(mdelta(close / mlag(close, 1) - 1, 3))：对差分结果进行截面排名。
  
  - mcorr(open, volume, 10)：计算开盘价与成交量的 10 期相关性。
  • (-1 crank(mdelta(close / mlag(close, 1) - 1, 3))) mcorr(open, volume, 10)：组合计算结果，得到 Alpha#14 因子。
  
  
  

  注意事项：

  • 该查询会返回 2020 年 1 月 1 日至 2021 年 1 月 1 日期间的 Alpha#14 因子值。
  
  - 如果需要计算其他时间段的数据，可以调整 date BETWEEN 条件。
  • 如果需要计算特定股票的数据，可以在 WHERE 子句中添加 instrument 过滤条件。
  
  
  运行该代码后，df 将包含每个交易日每支股票的 Alpha#14 因子值。