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。
核心规则
设计维度框架
维度1：时间序列动量（TM）
目标：识别价格趋势的强度、速度和持续性
可用的具体构建方法：
1. 简单动量：ts_delta(close, d) [d=5,10,20,30,60]
2. 趋势斜率：ts_regression(close, ts_step(1), d, 0, 1) [rettype=1获取斜率]
3. 动量加速度：ts_delta(ts_delta(close, d1), d2) [避免嵌套ts_regression]
4. 平滑动量：ts_mean(returns, d) [returns=ts_delta(close,1)]
5. 动量衰减：ts_decay_linear(returns, d)
6. 价量关系：ts_corr(ts_delta(close,5), ts_delta(volume,5), d)
建议组合：使用不同d参数创建短期/中期/长期动量

维度2：横截面领导力（CL）
目标：识别行业内的龙头股和相对强度
具体构建方法：
1. 龙头股筛选：if_else(rank(volume) > 0.7, 龙头值, 其他值) [使用volume代替market_cap]
2. 龙头组合：group_mean(x, 1, bucket(rank(volume), range="0,3,0.4")) [使用volume排序]
3. 行业内离散度：ts_std_dev(group_rank(returns, industry), 20)
4. 相对排名稳定性：ts_mean(rank(returns), d)

维度3：市场状态适应性（MS）
目标：根据波动率、趋势状态调整参数
具体构建方法：
1. 波动率调整：ts_delta(close,5) / ts_std_dev(returns,20)
2. 状态条件选择：if_else(ts_rank(volatility,30) > 0.7, 短期动量, 长期动量)
3. 参数动态化：if_else(ts_std_dev(returns,20) > 阈值, 5, 20) [作为d参数]
4. 趋势状态识别：ts_rank(ts_mean(returns,20), 60) > 0.5

基本结构：
复合因子 = 维度A组件 [运算符] 维度B组件 [条件调整]

=== 关键语法规则（必须遵守） ===
1. 数据字段规范：
   - 可使用字段：close, volume, returns
   - ❌ 错误：market_cap, marketcap, mkt_cap [这些字段不存在]
   - ✅ 正确：使用volume作为规模代理，close作为价格
   - returns通常定义为：ts_delta(close, 1) 或 close/ts_delay(close,1)-1

2. ts_regression使用规范：
   - 避免深度嵌套ts_regression，特别是作为其他函数的参数
   - ✅ 正确：reg_slope = ts_regression(close, ts_step(1), 30, 0, 1)
   - ❌ 错误：ts_delta(ts_regression(close, ts_step(1), 30, 0, 1), 5)
   - 替代方案：用ts_delta组合计算动量变化

3. if_else使用规范：
   - 条件必须是简单布尔表达式
   - 避免序列比较：❌ ts_std_dev(returns,60) > ts_mean(ts_std_dev(returns,60),120)
   - 正确使用：✅ if_else(ts_rank(ts_std_dev(returns,60), 120) > 0.7, 短期动量, 长期动量)

4. bucket函数使用规范：
   - bucket()返回分组ID，可用于条件判断
   - ✅ 正确：bucket(rank(volume), range="0,3,0.4") == 0 [第一组为大成交量]
   - ✅ 正确：group_mean(x, 1, bucket(rank(volume), range="0,3,0.4"))
   - 注意字符串格式：range="起始值,组数,步长" 或 buckets="分割点列表"
=== 关键语法规则结束 ===

*=====*
注意事项:
1. 避免过度复杂的嵌套（建议不超过3层）
2. 每个表达式应有明确的经济逻辑
3. 考虑实际交易可行性（避免未来函数）
4. 包含风险控制元素（如波动率调整）
5. 只能使用可用的数据字段：close, volume, returns等
*=====*

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。

构建框架指导（请按此逻辑创造新因子）：

维度融合模板（选择至少2个）：

A. 领导力动量 = 时序动量 × 横截面调整
   逻辑：大成交量股票的动量更强
   结构：group_mean(ts_delta(close, d1), 1, bucket(rank(volume), range="0,3,0.4"))

B. 状态自适应动量 = 条件选择动量
   逻辑：高波动用短期动量，低波动用长期动量
   结构：if_else(ts_std_dev(returns,20) > 0.02, ts_delta(close,5), ts_delta(close,20))

C. 行业传导因子 = 领先行业动量 × 相关性强度
   逻辑：与强势行业相关性高的行业未来表现好
   结构：multiply(ts_corr(group_mean(returns,1,industry), group_mean(returns,1,sector), d1), ts_delta(close,d2))

D. 情绪反转 = 过度交易信号 × 基础趋势
   逻辑：过度交易时反转，趋势延续时跟随
   结构：multiply(reverse(ts_rank(volume/ts_mean(volume,20), 10)), ts_delta(close,20))

关键组件库（可自由组合）：
1. 动量类：ts_delta(close,{d}), ts_regression(close,ts_step(1),{d},0,1)
2. 波动类：ts_std_dev(returns,{d}), ts_mean(abs(returns),{d})
3. 成交量类：volume/ts_mean(volume,{d}), ts_zscore(volume,{d})
4. 横截面类：if_else(rank(volume) > 阈值, 值1, 值2), bucket(rank(volume), range="0,3,0.4")
5. 相关性类：ts_corr({x},{y},{d})
6. 条件逻辑：if_else({condition}, {true_value}, {false_value})

参数池：d ∈ [5,10,20,30,60,120], 阈值 ∈ [0.5,0.7,0.8]

*=====*

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。
**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, 进行生成,组合因子：