## 核心设计理念

**因子经济学逻辑**：
- 动量效应：价格趋势的持续性
- 均值回归：价格的回复特性  
- 波动率特征：风险与收益的关系
- 流动性溢价：成交量蕴含的信息
- 市场情绪：价量关系的异常表现

Grammar Rules
/* */ - Block comments for multiple lines
; - Statement separator (not needed for last line)
Last statement is the Alpha expression for BRAIN simulator
Alpha expression cannot be assigned to a variable
No classes, objects, pointers, or functions allowed

**统计有效性准则**：
- 信息比率最大化：信号与噪声比
- 因子稳定性：在不同市场环境下保持有效
- 单调性：因子值与预期收益的单调关系
- 可解释性：基于扎实的金融逻辑

## 技术实现要求

**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):
abs(x) - 绝对值
add(x, y, filter=false) - 加法 (x + y)
densify(x) - 分组字段稠密化
divide(x, y) - 除法 (x / y)
inverse(x) - 倒数 (1/x)
log(x) - 自然对数
max(x, y, ..) - 最大值
min(x, y, ..) - 最小值
multiply(x, y, filter=false) - 乘法 (x * y)
power(x, y) - 幂运算 (x^y)
reverse(x) - 取反 (-x)
sign(x) - 符号函数
signed_power(x, y) - 保留符号的幂运算
sqrt(x) - 平方根
subtract(x, y, filter=false) - 减法 (x - y)
to_nan(x, value=0, reverse=false) - 值与NaN转换

**逻辑运算符 (Logical):
and(input1, input2) - 逻辑与
if_else(input1, input2, input3) - 条件判断
input1 < input2 - 小于比较
input1 <= input2 - 小于等于
input1 == input2 - 等于比较
input1 > input2 - 大于比较
input1 >= input2 - 大于等于
input1 != input2 - 不等于
is_nan(input) - 是否为NaN
not(x) - 逻辑非
or(input1, input2) - 逻辑或

**时间序列运算符 (Time Series):
days_from_last_change(x) - 上次变化天数
hump(x, hump=0.01) - 限制变化幅度
jump_decay(x, d, sensitivity=0.5, force=0.1) - 跳跃衰减
kth_element(x, d, k) - 第K个值
last_diff_value(x, d) - 最后一个不同值
ts_arg_max(x, d) - 最大值相对索引
ts_arg_min(x, d) - 最小值相对索引
ts_av_diff(x, d) - 与均值的差
ts_backfill(x, lookback=d, k=1, ignore="NAN") - 回填
ts_corr(x, y, d) - 时间序列相关性
ts_count_nans(x, d) - NaN计数
ts_covariance(y, x, d) - 协方差
ts_decay_linear(x, d, dense=false) - 线性衰减
ts_delay(x, d) - 延迟值
ts_delta(x, d) - 差值 (x - 延迟值)
ts_max(x, d) - 时间序列最大值
ts_mean(x, d) - 时间序列均值
ts_min(x, d) - 时间序列最小值
ts_product(x, d) - 时间序列乘积
ts_quantile(x, d, driver="gaussian") - 分位数
ts_rank(x, d, constant=0) - 时间序列排名
ts_regression(y, x, d, lag=0, rettype=0) - 回归分析
ts_scale(x, d, constant=0) - 时间序列缩放
ts_std_dev(x, d) - 时间序列标准差
ts_step(1) - 天数计数器
ts_sum(x, d) - 时间序列求和
ts_target_tvr_decay(x, lambda_min=0, lambda_max=1, target_tvr=0.1) - 目标换手率衰减
ts_target_tvr_delta_limit(x, y, lambda_min=0, lambda_max=1, target_tvr=0.1) - 目标换手率差值限制
ts_zscore(x, d) - 时间序列Z分数

**横截面运算符 (Cross Sectional):
normalize(x, useStd=false, limit=0.0) - 标准化
quantile(x, driver=gaussian, sigma=1.0) - 分位数转换
rank(x, rate=2) - 排名
scale(x, scale=1, longscale=1, shortscale=1) - 缩放
scale_down(x, constant=0) - 按比例缩放
vector_neut(x, y) - 向量中性化
winsorize(x, std=4) - 缩尾处理
zscore(x) - Z分数

**向量运算符 (Vector):
vec_avg(x) - 向量均值
vec_max(x) - 向量最大值
vec_min(x) - 向量最小值
vec_sum(x) - 向量求和

**变换运算符 (Transformational):
bucket(rank(x), range="0,1,0.1" or buckets="2,5,6,7,10") - 分桶
generate_stats(alpha) - 生成统计量
trade_when(x, y, z) - 条件交易

**分组运算符 (Group):
combo_a(alpha, nlength=250, mode='algo1') - 组合Alpha
group_backfill(x, group, d, std=4.0) - 分组回填
group_cartesian_product(g1, g2) - 笛卡尔积分组
group_max(x, group) - 分组最大值
group_mean(x, weight, group) - 分组均值
group_min(x, group) - 分组最小值
group_neutralize(x, group) - 分组中性化
group_rank(x, group) - 分组排名
group_scale(x, group) - 分组缩放
group_zscore(x, group) - 分组Z分数

**特殊运算符 (Special):
in - 包含判断
self_corr(input) - 自相关性
universe_size - 宇宙大小

**归约运算符 (Reduce):
reduce_avg(input, threshold=0) - 平均值归约
reduce_choose(input, nth, ignoreNan=true) - 选择归约
reduce_count(input, threshold) - 计数归约
reduce_ir(input) - IR归约
reduce_kurtosis(input) - 峰度归约
reduce_max(input) - 最大值归约
reduce_min(input) - 最小值归约
reduce_norm(input) - 范数归约
reduce_percentage(input, percentage=0.5) - 百分比归约
reduce_powersum(input, constant=2, precise=false) - 幂和归约
reduce_range(input) - 范围归约
reduce_skewness(input) - 偏度归约
reduce_stddev(input, threshold=0) - 标准差归约
reduce_sum(input) - 求和归约

## 卓越因子特征
每个表达式应体现：
1. **经济学直觉**：基于公认的市场异象
2. **计算鲁棒性**：避免过拟合和极端值敏感
3. **交易可行性**：考虑实际执行成本
4. **创新性**：在经典因子上进行合理改进

## 终极Alpha标准（第18个）
- 多因子融合：结合动量、价值、质量、情绪等多个维度
- 多时间尺度：协调使用短、中、长期窗口
- 风险调整：隐含波动率控制或标准化处理
- 市场状态适应：能够适应不同市场环境
- 因子组合优化：考虑因子之间的相关性和组合风险
- 动态调整：能够根据市场条件实时调整参数
- 表达式不要太复杂

**表达式不要太复杂

可用字段：{fields_formatted}
可用运算符：{operators_formatted}

**重要规则（必须严格遵守）：**
1. **CRITICAL：必须使用提供的「可用字段」列表中的完整字段ID，如 anl10_cpsff_2371、anl10_cpsfq1_consensus_2351 等**
2. **CRITICAL：绝对禁止使用 close、volume、high、low、open 等不完整的字段名**
3. **必须使用提供的「可用运算符」列表中的运算符**
4. **每个表达式必须是独立的，不能有赋值或其他语法结构**
5. **请严格按照 operator(field_id, numeric_parameter) 的格式编写**
6. **如果违反以上规则，生成的表达式将被系统拒绝！**

**错误示例（禁止使用）：**
- ts_corr(rank(close), rank(volume), 10)
- ts_sum(returns, 20) / ts_std_dev(returns, 20)
- close - open

**正确示例（使用格式）：**
- ts_corr(rank(fnd72_pit_or_cr_q_oper_inc_to_tot_debt), rank(fnd72_pit_or_cr_q_oper_inc_to_tot_debt), 10)
- divide(ts_sum(fnd72_pit_or_cr_q_oper_inc_to_tot_debt, 20), ts_std_dev(fnd72_pit_or_cr_q_oper_inc_to_tot_debt, 20))

*=========================================================================================*

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。

===================== !!! 重点(输出方式) !!! =====================
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。
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
**输出格式**(一行一个表达式, 每个表达式中间需要添加一个空行, 只要表达式本身, 不需要赋值, 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
=================================================================

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 100 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

=================================================================
ts_product ts_zscore ts_mean  ts_scale  add  sign  subtract ts_delta ts_rank greater ts_av_diff ts_quantile ts_count_nans ts_covariance
ts_arg_min divide ts_corr multiply if_else ts_sum ts_delay group_zscore ts_arg_max ts_std_de ts_backfill
以上这些操作符不能传入事件类型的数据集, 只能传入时间序列数据集, 不能传入事件数据,不能传入事件数据,不能传入事件数据