++

prepare_prompt/alpha_prompt.txt

@@ -1,8 +1,6 @@
-供应链议价能力不对称因子
-假设
-在供应链关系中，若企业对少数客户或供应商存在高度依赖，其议价能力将显著弱化，导致成本转嫁能力受限或收入稳定性下降，从而承担额外的经营风险。市场往往低估此类结构性脆弱性，使得高依赖度企业被系统性高估（即未来收益偏低），而低依赖度、议价能力强的企业则被低估（即未来收益偏高）。因此，做空高集中度企业、做多低集中度企业可捕获由此产生的风险溢价。
-实施方案
-核心指标为企业前五大客户销售额占比与前五大供应商采购额占比之和，用于衡量整体供应链集中度；该指标需进行行业中性化处理以剔除行业固有结构差异，并通过横截面标准化生成Z-score因子值。对于缺失值，采用过去12个月滚动窗口的时序填充策略（如可用历史均值）；同时引入应付账款周转天数和销售毛利率作为辅助验证变量，以确认议价能力传导机制的有效性——预期高集中度企业应具有更长的应付账款周期（议价弱致付款快）和更低的毛利率（成本无法转嫁）。
+机构持仓集中度溢价
+机构持仓集中度高的股票流动性风险更高，但市场可能忽视此风险，导致集中度高的股票被高估。因此，多空策略中，做多机构持仓分散度高的股票（风险低，被低估），做空集中度高的股票（风险高，被高估），可获取稳定超额收益。
+核心指标为前十大机构持股比例，需进行行业中性化处理；使用滚动3个月平均处理缺失值；引入换手率和机构持股变动作为辅助验证变量。
 
 *=========================================================================================*
 
@@ -28,26 +26,10 @@
 =================================================================
 
 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, 以及我提供的数据集, 进行生成,组合 30 个 alpha：
+以下是我的账号有权限使用的操作符, 请严格按照操作符, 以及我提供的数据集, 进行生成,组合 50 个 alpha：
 不要自行假设, 你需要用到的操作符 和 数据集, 必须从我提供给你的里面查找, 并严格按照里面的使用方法进行组合
 
 =================================================================
-**智能参数匹配**：
-- 动量类：短周期[10,20,30]捕捉近期趋势
-- 反转类：中周期[40,50,60]识别过度反应
-- 波动类：长周期[120,250]确保统计稳定性
-- 流动性类：多周期对比分析异常变化
-
-**噪声处理技术**：
-- 移动平均线：平滑噪声，突出趋势
-- 标准偏差：测量波动程度
-- 归一化：将不同时间窗口的因子值调整到同一尺度
-
-**嵌套结构逻辑**：
-- 单层：直接有效的原始信号
-- 双层：信号提炼与降噪处理
-- 三层：多维度特征融合与增强
-
 **操作符汇总
 
 **算术运算符 (Arithmetic):

prepare_prompt/keys_text.txt

@@ -1 +1 @@
-["customer", "supplier", "concentration", "payable", "receivable", "cost", "margin", "dependency", "sales", "purchase"]
+['institution', 'holding', 'concentration', 'turnover', 'rate', 'change']