任务指令
一、经济逻辑描述优化
视角一：市场摩擦的横截面测绘
核心经济逻辑：
市场摩擦创造系统性的定价延迟和反应差异。不同股票因流动性、投资者结构和交易机制差异，对相同市场信息的反应速度和程度不同。这些差异形成可预测的Alpha机会：

流动性溢价动态：低流动性股票因交易成本较高，需要更高的预期收益补偿。但流动性条件会随时间变化，形成动态的流动性溢价套利窗口。

信息扩散速度差异：机构持仓集中度高的股票信息反应更快，散户主导的股票反应更慢且易出现过度反应，创造套利空间。

交易冲击的持续性：大宗交易对价格的冲击在低流动性环境中衰减更慢，形成短期价格动量；在高流动性环境中衰减更快，易出现反转。

视角二：投资者注意力生态学
核心经济逻辑：
注意力是金融市场中的稀缺资源，其分配不均导致定价效率差异：

有限注意力约束：投资者无法同时处理所有信息，只能关注有限数量的股票，导致被忽视股票出现定价延迟。

注意力传染效应：当某行业或主题受到关注时，注意力会按特定路径扩散（龙头→二线→边缘），形成可预测的轮动模式。

注意力衰减曲线：事件驱动型关注会随时间衰减，但衰减速度因股票特质而异。快速衰减可能导致定价错误快速修正，缓慢衰减则可能维持定价偏差。

视角三：价格运动的形态语法
核心经济逻辑：
价格形态反映市场参与者的集体行为模式和心理预期：

技术分析的自我实现：广泛使用的技术指标（如支撑阻力位、均线系统）影响交易决策，形成可预测的价格行为。

叙事驱动的价格记忆：价格在关键历史位置的行为会形成市场“记忆”，影响未来在这些位置附近的交易决策。

多时间尺度协调：不同时间框架投资者的行为协调（共振）或冲突（背离）决定趋势的可持续性。

二、复合因子构建的经济逻辑规范
A. 领导力动量因子
经济逻辑：
成交量是市场关注度和资金流向的直接体现。大成交量股票通常由机构投资者主导，其价格变动反映更充分的信息和更强的共识。这种“聪明钱”效应使大成交量股票的动量信号更具预测性。同时，成交量的横截面分布反映不同股票在投资者注意力竞争中的相对地位。

经济学基础：

成交量与信息含量正相关（Kyle模型）

机构交易者具有信息优势

注意力驱动的资本流动

B. 状态自适应动量
经济逻辑：
市场波动率状态反映信息流的速度和市场不确定性水平。高波动环境通常伴随高频信息流和快速变化的预期，短期动量更有效；低波动环境反映稳定预期，长期动量更可靠。通过波动率状态动态调整动量窗口，可以避免在不同市场机制下使用不匹配的策略。

经济学基础：

波动率聚集现象

市场状态的持久性

信息处理速度与波动率的关系

C. 行业传导因子
经济逻辑：
行业间存在基本面关联（产业链）和资金面关联（配置资金流动）。强势行业的出现通常反映某种宏观或产业逻辑，这种逻辑会按特定顺序向相关行业传导（如上游→下游，龙头→配套）。传导速度受行业基本面关联度和市场情绪影响，创造可预测的轮动机会。

经济学基础：

产业价值链传递

资金配置的渐进调整

相关性结构的时变性

D. 情绪反转因子
经济逻辑：
交易活跃度反映市场情绪强度。过度交易往往伴随非理性繁荣或恐慌，此时趋势可能接近拐点；交易清淡则反映市场分歧或缺乏关注，趋势可能延续。结合趋势强度可以区分情绪驱动的短期反转和基本面驱动的长期反转。

经济学基础：

过度反应与修正

有限套利与情绪持续性

交易量作为情绪代理变量

三、参数选择的经济逻辑
回顾期选择依据：

5-10日：捕捉事件驱动型Alpha，反映短期信息冲击

20-30日：捕捉月度调仓效应和基本面预期调整

60-120日：捕捉季度业绩周期和行业轮动周期

阈值参数的经济含义：

0.5：中位数效应，反映平均或典型情况

0.7-0.8：极端情况识别，捕捉显著的异常或结构性变化

四、行业轮动的经济学原理
周期性轮动：宏观经济周期不同阶段对各行业影响不同（早周期、中周期、晚周期）

相对估值轮动：行业间估值差异回归均值驱动资金流动

风险偏好轮动：市场风险偏好变化影响不同风险特征行业的相对表现

政策驱动轮动：产业政策、监管变化创造结构性机会

技术创新扩散：新技术沿产业链扩散的顺序性

五、风险调整的经济逻辑
流动性风险补偿：低流动性股票需提供更高预期收益

波动率风险定价：高波动股票的风险溢价要求

相关性结构风险：行业间相关性变化对分散化效果的影响

尾部风险暴露：极端事件对不同行业的非对称影响

六、交易可行性的经济学考虑
交易成本内生性：流动性差的股票交易成本高，需要更强的Alpha信号

容量约束：策略容量受市场深度限制

市场影响成本：大额交易对价格的冲击

竞争性衰减：被广泛采用的Alpha会因套利而衰减

七、因子表达式的经济解释规范
每个表达式应明确回答：

捕捉什么市场异象？（例如：注意力驱动定价延迟、流动性溢价变化等）

为什么这个异象会持续存在？（行为偏差、制度约束、风险补偿等）

在什么市场环境下更有效？（高波动、低流动性、趋势市等）

可能失效的条件是什么？（市场机制变化、投资者结构变化等）

这样的经济逻辑描述确保了每个因子都有清晰的理论基础和经济直觉，而非纯粹的数据挖掘结果。

*=====*

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, 以及我提供的数据集, 进行生成,组合 100 个alpha：