++
This commit is contained in:
+23
-137
@@ -1,213 +1,99 @@
|
||||
任务指令
|
||||
|
||||
你是一个WorldQuant WebSim因子工程师。你的任务是生成100个用于行业轮动策略的复合型Alpha因子表达式。
|
||||
|
||||
你是一个WorldQuant WebSim因子工程师。你的任务是生成 10 个用于行业轮动策略的复合型Alpha因子表达式。
|
||||
核心规则
|
||||
设计维度框架
|
||||
维度1：时间序列动量（TM）
|
||||
核心概念：捕捉行业价格的趋势、动量和形态变化
|
||||
关键函数：
|
||||
|
||||
ts_delta, ts_mean, ts_regression（获取斜率rettype参数）
|
||||
|
||||
ts_decay_linear, ts_zscore, ts_rank
|
||||
|
||||
ts_scale, ts_av_diff, ts_std_dev
|
||||
|
||||
ts_corr, ts_covariance（用于行业内序列）
|
||||
|
||||
设计思路：
|
||||
|
||||
动量的变化率、加速度或平滑度构建
|
||||
|
||||
动量衰减或增强模式识别
|
||||
|
||||
价格与成交量关系的时序分析
|
||||
|
||||
维度2：横截面领导力（CL）
|
||||
核心概念：识别行业内部的分化、龙头效应和相对强度
|
||||
关键函数：
|
||||
|
||||
group_mean, group_std, group_rank
|
||||
|
||||
group_zscore, group_neutralize, group_scale
|
||||
|
||||
rank, zscore, quantile（横截面）
|
||||
|
||||
bucket（用于龙头股筛选）
|
||||
|
||||
设计思路：
|
||||
|
||||
行业内部龙头股与平均表现的差异
|
||||
|
||||
行业成分股的离散度分析
|
||||
|
||||
相对排名的变化和稳定性
|
||||
|
||||
维度3：市场状态适应性（MS）
|
||||
核心概念：根据市场环境动态调整因子逻辑
|
||||
关键函数：
|
||||
|
||||
ts_rank, if_else, 条件判断运算符
|
||||
|
||||
ts_std_dev（用于波动率调整）
|
||||
|
||||
ts_regression（不同状态使用不同参数）
|
||||
|
||||
trade_when（条件触发）
|
||||
|
||||
设计思路：
|
||||
|
||||
波动率调整的动量指标
|
||||
|
||||
不同市场状态（高/低波动）使用不同的回顾期
|
||||
|
||||
条件逻辑下的参数动态调整
|
||||
|
||||
维度4：行业间联动（IS）
|
||||
核心概念：捕捉行业间的动量溢出和相关性变化
|
||||
关键函数：
|
||||
|
||||
ts_corr, ts_covariance（跨行业）
|
||||
|
||||
group_mean（用于行业指数）
|
||||
|
||||
向量操作：vec_avg, vec_sum
|
||||
|
||||
多序列相关性分析
|
||||
|
||||
设计思路：
|
||||
|
||||
领先-滞后行业的相关性分析
|
||||
|
||||
行业间动量传导效应
|
||||
|
||||
板块轮动的早期信号识别
|
||||
|
||||
维度5：交易行为情绪（TS）
|
||||
核心概念：基于交易行为和情绪指标的反转信号
|
||||
关键函数：
|
||||
|
||||
ts_corr(volume, close, d)（量价关系）
|
||||
|
||||
ts_rank（历史相对位置）
|
||||
|
||||
ts_zscore（极端值识别）
|
||||
|
||||
days_from_last_change（事件驱动）
|
||||
|
||||
设计思路：
|
||||
|
||||
超买超卖状态识别
|
||||
|
||||
交易拥挤度指标
|
||||
|
||||
情绪极端值后的均值回归
|
||||
|
||||
复合因子设计原则
|
||||
强制要求：
|
||||
每个表达式必须融合至少两个设计维度
|
||||
|
||||
必须使用提供的操作符列表中的函数
|
||||
|
||||
因子应具有经济逻辑解释性
|
||||
|
||||
推荐组合模式：
|
||||
TM + CL：时序动量 + 横截面领导力
|
||||
|
||||
示例：行业动量加速度 × 龙头股相对强度
|
||||
|
||||
TM + MS：时序动量 + 状态适应性
|
||||
|
||||
示例：波动率调整后的动量指标
|
||||
|
||||
CL + IS：横截面 + 行业间联动
|
||||
|
||||
示例：龙头股表现与相关行业的领先滞后关系
|
||||
|
||||
MS + TS：状态适应 + 交易情绪
|
||||
|
||||
示例：不同市场状态下的反转信号
|
||||
|
||||
IS + TS：行业联动 + 交易情绪
|
||||
|
||||
示例：行业间相关性变化与交易拥挤度
|
||||
|
||||
参数化建议：
|
||||
使用不同的时间窗口组合（短/中/长周期）
|
||||
|
||||
尝试不同的权重分配方式
|
||||
|
||||
考虑非线性变换（log, power, sqrt）
|
||||
|
||||
使用条件逻辑增强鲁棒性
|
||||
|
||||
表达式构建指南
|
||||
基本结构：
|
||||
text
|
||||
复合因子 = 维度A组件 [运算符] 维度B组件 [条件调整]
|
||||
运算符使用策略：
|
||||
算术运算：add, subtract, multiply, divide
|
||||
|
||||
非线性变换：log, power, sqrt, signed_power
|
||||
|
||||
条件逻辑：if_else, and, or, 比较运算符
|
||||
|
||||
标准化处理：normalize, winsorize, scale
|
||||
|
||||
防止过拟合建议：
|
||||
避免过度复杂的嵌套
|
||||
|
||||
使用经济直觉验证逻辑合理性
|
||||
|
||||
考虑实际交易可行性
|
||||
|
||||
包含风险控制元素（如波动率调整）
|
||||
|
||||
*=====*
|
||||
操作符限制：只能且必须使用以下列表中提供的操作符。严禁使用任何列表外的函数（例如 ts_regression_slope 不存在，必须用 ts_regression(y, x, d, 0, 1) 来获取斜率）。
|
||||
|
||||
abs, add, divide, multiply, subtract, log, power, sqrt, max, min, sign, reverse
|
||||
|
||||
ts_mean, ts_sum, ts_std_dev, ts_delta, ts_delay, ts_zscore, ts_rank, ts_decay_linear, ts_corr, ts_covariance, ts_av_diff, ts_scale, ts_regression, ts_backfill
|
||||
|
||||
group_mean, group_std, group_rank, group_zscore, group_neutralize, group_scale
|
||||
|
||||
rank, scale, normalize, quantile, zscore, winsorize
|
||||
|
||||
bucket, if_else, and, or, not, >, <, ==
|
||||
|
||||
days_from_last_change, kth_element
|
||||
|
||||
数据字段：假设主要数据字段为 close, high, low, volume, vwap。可安全使用。
|
||||
|
||||
操作符使用策略：
|
||||
算术运算：abs(x), add(x, y, filter = false), densify(x), divide(x, y), inverse(x), max(x, y, ..), min(x, y ..), multiply(x ,y, ... , filter=false), power(x, y), reverse(x), sign(x), signed_power(x, y), sqrt(x), subtract(x, y, filter=false)
|
||||
条件逻辑：and(input1, input2), if_else(input1, input2, input 3), input1 < input2, input1 <= input2, input1 == input2, input1 > input2, input1 >= input2, input1!= input2, is_nan(input), not(x), or(input1, input2)
|
||||
时间序列操作：days_from_last_change(x), hump(x, hump = 0.01), kth_element(x, d, k), last_diff_value(x, d), ts_arg_max(x, d), ts_arg_min(x, d), ts_av_diff(x, d), ts_backfill(x,lookback = d, k=1, ignore="NAN"), ts_corr(x, y, d), ts_count_nans(x ,d), ts_covariance(y, x, d), ts_decay_linear(x, d, dense = false), ts_delay(x, d), ts_delta(x, d), ts_mean(x, d), ts_product(x, d), "ts_quantile(x,d, driver=""gaussian"" )", ts_rank(x, d, constant = 0), ts_regression(y, x, d, lag = 0, rettype = 0), ts_scale(x, d, constant = 0), ts_std_dev(x, d), ts_step(1), ts_sum(x, d), ts_zscore(x, d)
|
||||
横截面操作: normalize(x, useStd = false, limit = 0.0), quantile(x, driver = gaussian, sigma = 1.0), rank(x, rate=2), scale(x, scale=1, longscale=1, shortscale=1), winsorize(x, std=4), zscore(x)
|
||||
向量操作符：vec_avg(x), vec_sum(x)
|
||||
转换操作符: bucket(rank(x), range="0, 1, 0.1" or buckets = "2,5,6,7,10"), trade_when(x, y, z)
|
||||
聚合操作符: group_backfill(x, group, d, std = 4.0), group_mean(x, weight, group), group_neutralize(x, group), group_rank(x, group), group_scale(x, group), group_zscore(x, group), subtract(x, y, filter=false), multiply(x ,y, ... , filter=false), divide(x, y), add(x, y, filter = false)
|
||||
*=====*
|
||||
注意事项:
|
||||
避免过度复杂的嵌套
|
||||
使用经济直觉验证逻辑合理性
|
||||
考虑实际交易可行性
|
||||
包含风险控制元素（如波动率调整）
|
||||
*=====*
|
||||
参数逻辑：参数d（回顾期）应在[5, 10, 20, 30, 60, 120]等具有市场意义（周、月、季度、半年）的数值中合理选择并差异化。
|
||||
|
||||
行业隐含：通过group_mean、group_rank等函数或假设表达式在行业指数上运行来体现“行业”逻辑。
|
||||
|
||||
输出格式：
|
||||
|
||||
输出必须是且仅是 100行纯文本。
|
||||
|
||||
输出必须是且仅是纯文本。
|
||||
每一行是一个完整、独立、语法正确的WebSim表达式。
|
||||
|
||||
严禁任何形式的解释、编号、标点包裹（如引号）、Markdown格式或额外文本。
|
||||
|
||||
示例思维（仅供理解，不输出）
|
||||
|
||||
一个融合“龙头股趋势加速度(M)”与“行业整体情绪背离(R)”的因子思路，可用你的操作符实现为：
|
||||
一个融合“龙头股趋势加速度(M)”与“行业整体情绪背离(R)”的因子思路，可用你的操作符实现为(此为示例, 读取操作符的使用说明, 并结合上述的维度方案, 组合并创新因子)：
|
||||
multiply( ts_delta(group_mean(ts_regression(close, ts_step(1), 20, 0, 1), bucket(rank(close), "0.7,1")), 5), reverse(ts_corr(ts_zscore(volume, 20), ts_zscore(close, 20), 10)) )
|
||||
这里，ts_regression(..., rettype=1)获取斜率代替动量，bucket(rank(close), "0.7,1")近似选取市值前30%的龙头股，ts_corr(...)衡量价量情绪，reverse将其转化为背离信号。
|
||||
|
||||
现在，请严格遵守以上所有规则，开始生成100行可立即在WebSim中运行的复合因子表达式。
|
||||
|
||||
现在，请严格遵守以上所有规则，开始生成可立即在WebSim中运行的复合因子表达式。
|
||||
**输出格式**(一行一个表达式, 只要表达式本身, 不要解释, 不需要序号, 也不要输出多余的东西)：
|
||||
表达式
|
||||
表达式
|
||||
表达式
|
||||
...
|
||||
表达式
|
||||
|
||||
|
||||
请提供具体的WQ表达式。
|
||||
重申：请确保所有表达式都使用WorldQuant WebSim平台函数，不要使用pandas、numpy或其他Python库函数。输出必须是一行有效的WQ表达式。
|
||||
重申：请确保所有表达式都使用WorldQuant WebSim平台函数，不要使用pandas、numpy或其他Python库函数。输出必须是一行有效的WQ表达式。
|
||||
以下是我的账号有权限使用的操作符, 请严格按照操作符, 进行生成,组合因子
|
||||
|
||||
以下是我的账号有权限使用的操作符, 请严格按照操作符, 进行生成,组合因子
|
||||
@@ -1,13 +1,13 @@
|
||||
Operator: abs(x)
|
||||
Description: Absolute value of x
|
||||
|
||||
Operator: add(x, y, filter = false), x + y
|
||||
Operator: add(x, y, filter = false)
|
||||
Description: Add all inputs (at least 2 inputs required). If filter = true, filter all input NaN to 0 before adding
|
||||
|
||||
Operator: densify(x)
|
||||
Description: Converts a grouping field of many buckets into lesser number of only available buckets so as to make working with grouping fields computationally efficient
|
||||
|
||||
Operator: divide(x, y), x / y
|
||||
Operator: divide(x, y)
|
||||
Description: x / y
|
||||
|
||||
Operator: inverse(x)
|
||||
@@ -22,7 +22,7 @@ Description: Maximum value of all inputs. At least 2 inputs are required
|
||||
Operator: min(x, y ..)
|
||||
Description: Minimum value of all inputs. At least 2 inputs are required
|
||||
|
||||
Operator: multiply(x ,y, ... , filter=false), x * y
|
||||
Operator: multiply(x ,y, ... , filter=false)
|
||||
Description: Multiply all inputs. At least 2 inputs are required. Filter sets the NaN values to 1
|
||||
|
||||
Operator: power(x, y)
|
||||
@@ -40,7 +40,7 @@ Description: x raised to the power of y such that final result preserves sign of
|
||||
Operator: sqrt(x)
|
||||
Description: Square root of x
|
||||
|
||||
Operator: subtract(x, y, filter=false), x - y
|
||||
Operator: subtract(x, y, filter=false)
|
||||
Description: x-y. If filter = true, filter all input NaN to 0 before subtracting
|
||||
|
||||
Operator: and(input1, input2)
|
||||
|
||||
Reference in New Issue
Block a user