【历史文档】因子构建与标注-表达式引擎

由ypyu创建，最终由small_q更新于2024-05-15 06:14 被浏览 1878 用户

更新

本文内容已经过期，不再适合平台最新版本，请查看以下最新内容，作为参考资料学习。

新版表达式算子

旧表达式如何迁移至新版

新旧表达式差异

预计算因子表[数据平台]

导语

在本月初，我们发布了文章《AI Alphas(A股版)》反响不错，在量化领域得到不少好评。很多用户来信，希望了解文中提到的因子以及因子构造（虽然原文附录有完整因子列表），以便快速开发AI策略，这正是本文目的。

由于个别因子出现重复、构建错误，本文一共依次列举了274个因子，分别与《AI Alphas(A股版)》文章使用的因子一一对应。在《AI Alphas(A股版)》这篇文章中，因子构造使用的是M.user_feature_extractor 模块，最近BigQuant上线了M.derived_feature_extractor 模块，因子定义不需要编写代码，只需一些表达式就可快速定义因子（抽取特征），表达式引擎帮助文档为：bigexpr。这将是一个巨大的变革，通过表达式即可定义特征将大大提高策略开发速度，加快实验迭代。

因子表达式

什么是因子表达式呢？即通过简单的固定的语言就可以描述因子定义的思想，比如说，想定义5日简单移动平均线，之前的因子定义方式为：

（close_0+close_1+close_2+close_3+close_4）/5

这样的定义方式虽然简单直观，但是不太方便，比如，如果定义60日简单移动平均线就很麻烦，需要书写60个收盘价。

表达式引擎借鉴了WorldQuant、通达信、TB等平台的一些思想，通过引入一些简单常用的函数表达式，达到快速构建因子的目的。比如构建上述因子，我们可以这样：

  mean(close_0,5)

这样就能快捷灵活很多。不仅如此，再举几个例子：

1. shift(close_0, 5) 表示5天前的收盘价，等价于close_5
2. delta(close_0, 3) 表示今天的 收盘价减去 3 天以前的 收盘价，等价于close_0-close_3
3. correlation(close_0, volume_0, 20) 表示在过去20 天中收盘价 和 成交量 的相关性
4. ts_min(low_0,7) 表示过去7天最低价（是时间序列角度）
5. rank(fs_pettm_0) 表示在当天所有股票中按市盈率的的百分比排名（是横截面角度）

这只是简单举几个常用的表达式，更多内容请参考：因子表达式

文中提到的两百多个因子，可以在此获取：预计算因子

使用BigStudio可以快速定义因子，我们以274个因子中如下几个示例因子举例，告诉大家怎样快速定义因子。

示例因子：

• return_5

• close_0 / close_1

• mean(amount_0,9)/mean(amount_0,3)

• amount_5/amount_0

• (-1*correlation(open_0,volume_0,10))

• (-1*delta((((close_0-low_0)-(high_0-close_0))/(close_0-low_0)),9))

  https://bigquant.com/experimentshare/2d3e7b656d6e4e6caef40a5717316093

\