任务指令
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
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
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
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）
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
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]
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）。
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(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。
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