105 KiB

Raw Permalink Blame History

BRAIN论坛Alpha模板精华总结

本文档旨在系统性地整理和总结优秀Alpha模板,它是一种可复用的标准化框架性表达式，它承载着特定的经济逻辑，并预留出若干 “配置项”（包括数据字段、算子、分组方式、衰减规则、中性化方案等），用于生成多个候选阿尔法因子。其典型流程为：数据清洗（数据回填、缩尾处理）→ 跨时间或跨标的维度进行转换 / 对比 → 排序 / 中性化处理 →（可选步骤）衰减调整 / 换手率优化。这种模板模式能够推动系统化的因子挖掘、复用与多元化配置，同时确保每一个因子都具备清晰可追溯的经济逻辑支撑。以下每个模板都附有其核心思想、变量说明、适用场景及原帖链接，方便您理解、应用和进一步探索。使用时请思考如何将下列模板与有的Alpha表达式结合，创造出新的模板来捕捉和发现市场规律，找到”好“公司和”坏“公司 使用前请注意：

过拟合风险：部分模板可能存在过拟合风险，请谨慎使用，并结合IS-Ladder测试、多市场回测等方法进行验证。
参数调整：模板中的参数（如时间窗口、数据集字段）需要根据您的具体研究目标和数据特性进行调整。
持续学习：最好的模板是您自己创造的。希望本文档能激发您的灵感，而不是限制您的思维。

From: Alpha Examples from Learn101

Momentum after news

Hypothesis: After news is released, if a stock takes a longer time to rise, it may show strong evidence of upward momentum, and it could be beneficial to take a long position in it. Expression: ts_backfill(vec_avg(nws12_prez_4l),504) Settings: Region: USA, Universe: TOP500, Delay: 1, Decay: 0, Neutralization: INDUSTRY, Truncation: 0.08, Pasteurization: ON 逻辑链深度解析:

时序相对性 (Step 4): 这是一个典型的时序信号。ts_backfill 的使用暗示了新闻数据是稀疏的（Step 4.2.4），需要填补空白以维持信号连续性。
算子深意: vec_avg 用于聚合多维新闻向量，提取核心情绪/强度；ts_backfill 确保在无新闻日也能维持上一次的观点，直到新消息到来。 优化方向:
去噪 (Step 0): 新闻情绪可能存在极端噪音，建议在 vec_avg 后增加 winsorize 或 rank。
从属信号 (Subordinate): 叠加 Social Media Effect。若新闻情绪好但社媒热度低（噪音少），则放大权重；若社媒过热，可能反转。
门限交易 (Step 5): 仅在新闻情绪显著偏离均值时交易，如 trade_when(abs(zscore(news)) > 1.5, ...)。

Pretax Income

Hypothesis: Pretax income is a good measure of a company's financial health and profitability. Expression: quantile(ts_rank(pretax_income,250)) Settings: Region: USA, Universe: TOP3000, Delay: 1, Decay: 4, Neutralization: MARKET, Truncation: 0.01, Pasteurization: ON 逻辑链深度解析:

时序相对性 (Step 4): ts_rank(..., 250) 比较当前收入与过去一年的水平，寻找“自身改善”而非“绝对高收入”。
分布重塑 (Step 0): quantile 强制将信号拉伸为均匀分布，避免了极值影响，只关注相对排序。 优化方向:
区间优化 (Step 2): 收入微弱变化可能只是噪音。可改用 ts_zscore 并只在 >1 或 <-1 时交易。
从属信号: 引入 market_cap。大市值的收入创新高可能比小市值更稳健（质量溢价）。

Operating Earnings Yield

Hypothesis: If the operating income of a company is currently higher than its past 1 year history, buy the company's stock and vice-versa. Expression: ts_rank(operating_income,252) Settings: Region: USA, Universe: TOP3000, Delay: 1, Decay: 0, Neutralization: SUBINDUSTRY, Truncation: 0.08, Pasteurization: ON 逻辑链深度解析:

时序相对性 (Step 4): 纯粹的时序动量逻辑。ts_rank 将当前值映射到历史分位，捕捉“业绩改善”趋势。 优化方向:
组内比较 (Step 3): 考虑行业周期性。先做 group_zscore(operating_income, industry) 再做 ts_rank，剔除行业景气度影响，只看个股相对行业的改善。
门限 (Step 5): trade_when(ts_rank > 0.8, ...) 只做多业绩显著改善的股票。

Appreciation of liabilities

Hypothesis: An increase in the fair value of liabilities could indicate a higher cost than expected. Expression: -ts_rank(fn_liab_fair_val_l1_a,252) Settings: Region: USA, Universe: TOP3000, Delay: 1, Decay: 0, Neutralization: SUBINDUSTRY, Truncation: 0.08, Pasteurization: ON 逻辑链深度解析:

反向信号: 负号 - 表示这是一个反向指标（负债增加是坏事）。
时序相对性: 同样基于 ts_rank，关注负债相对于自身历史的增长速度。 优化方向:
去噪: 负债数据可能存在跳变，建议先 winsorize。
从属信号: 结合 cash_flow。若负债增加但现金流同时也大幅增加（良性杠杆），则不应做空。

Deferred Revenue

Hypothesis: Firms with high deferred revenue will surprise the market in the future when the deferred revenue is recognized. Expression: ts_backfill(fnd6_drc, 252)/assets Settings: Region: USA, Universe: TOP3000, Delay: 1, Decay: 0, Neutralization: SECTOR, Truncation: 1, Pasteurization: ON 逻辑链深度解析:

截面比较 (Step 3): 除以 assets 是为了标准化（Size Adjustment），使其在截面上可比。
数据填补 (Step 0): ts_backfill 处理财报数据的低频更新特性。 优化方向:
行业中性 (Step 3): 递延收入在软件/服务业常见，在制造业少见。必须做 group_zscore(..., sector) 或 neutralize，否则只是在做多特定行业。
时序变化 (Step 4): 关注递延收入的 增长率 ts_delta，而不仅仅是绝对值。

Reducing debt

Hypothesis: Take a long position in companies whose debt has decreased compared to the past. Expression: -ts_quantile(debt, 126) Settings: Region: USA, Universe: TOP3000, Delay: 1, Decay: 0, Neutralization: MARKET, Truncation: 0.01, Pasteurization: ON 逻辑链深度解析:

时序相对性: ts_quantile 与 ts_rank 类似，捕捉债务下降趋势。 优化方向:
从属信号: 结合 interest_coverage (利息保障倍数)。只有在偿债能力弱的公司中，债务减少才最重要（困境反转逻辑）。

Power of leverage

Hypothesis: Companies with high liability-to-asset ratios often leverage debt as a strategic tool. Expression: liabilities/assets Settings: Region: USA, Universe: TOP3000, Delay: 1, Decay: 0, Neutralization: MARKET, Truncation: 0.01, Pasteurization: ON 逻辑链深度解析:

截面比较 (Step 3): 这是一个经典的截面因子（杠杆率）。 优化方向:
非线性 (Step 1): 杠杆通常是倒U型关系（适度杠杆好，过高杠杆坏）。考虑使用 bucket 分段，或 trade_when 剔除极端高杠杆。
行业中性: 银行/地产杠杆天生高，必须行业中性化。

From: Alpha Examples from Learn102

Hypothesis: Poorly performing stocks are discussed more in general on social media platforms. Expression: -scl12_buzz Settings: Region: USA, Universe: TOP3000, Delay: 1, Decay: 0, Neutralization: INDUSTRY, Truncation: 0.01, Pasteurization: ON 逻辑链深度解析:

反向指标: 负号暗示“关注度高=坏事”（可能是负面新闻缠身）。
原始信号: 直接使用 buzz，假设线性关系。 优化方向:
去噪 (Step 0): 社媒数据极值多，必须 log 或 winsorize。
从属信号: 结合 sentiment。若关注度高且情感为正，可能是好事；关注度高且情感负，才是做空机会。
门限: trade_when(rank(buzz) > 0.9, ...) 只在极度热门时做空。

Valuation Disconnect Swing Short

Hypothesis: A stock with high momentum and value score correlation suggests a disconnect between the stock's price and its intrinsic value. Expression: -ts_corr(ts_backfill(fscore_momentum,66),ts_backfill(fscore_value,66),756) Settings: Region: USA, Universe: TOP200, Delay: 1, Decay: 0, Neutralization: INDUSTRY, Truncation: 0.08, Pasteurization: ON 逻辑链深度解析:

高阶统计量: 使用 ts_corr 捕捉两个因子之间的动态关系，而非因子本身。
逻辑: 动量与价值相关性高，意味着价格脱离基本面（泡沫），因此做空（负号）。 优化方向:
窗口调整: 756天（3年）非常长，捕捉的是长期结构变化。可尝试短窗口（如126天）捕捉短期背离。

Network Dependence

Hypothesis: Long stocks of companies whose hub score of customers are low over the past two years. Expression: -ts_mean(pv13_ustomergraphrank_hub_rank,504) Settings: Region: USA, Universe: TOP1000, Delay: 1, Decay: 0, Neutralization: INDUSTRY, Truncation: 0.08, Pasteurization: ON 逻辑链深度解析:

供应链逻辑: 客户集中度/中心度过高可能意味着风险（依赖大客户）。
平滑 (Step 4): ts_mean(..., 504) 说明这是一个非常慢的变量，关注长期结构。 优化方向:
从属信号: 结合 volatility。高依赖度+高波动 = 极度危险。

From: Alpha Examples from Learn103

News-driven Volatility

Hypothesis: Stocks of companies that face high differences in their prices after any news release can be subject to varying sentiments. Expression: (ts_arg_max(ts_backfill(news_session_range, 20), 60)) Settings: Region: USA, Universe: TOP3000, Delay: 1, Decay: 0, Neutralization: SECTOR, Truncation: 0.08, Pasteurization: ON 逻辑链深度解析:

事件驱动 (Step 4.2.3): ts_arg_max 寻找过去60天内波动最大的那一天（新闻日）。
算子深意: 这不是直接用波动率，而是用“最大波动发生的时间距离”作为信号。 优化方向:
衰减逻辑: 结合 days_from_last_change 或 exp_decay，让信号随时间减弱。
从属信号: 叠加 IV Skew。若波动大且 Skew 偏空，做空；若 Skew 偏多，做多。

Implied Volatility Spread as a predictor

Hypothesis: If the Call Open interest is higher than the Put Open interest, the stock may rise based on the intensity of the implied volatility spread. Expression: trade_when(pcr_oi_270 < 1, (implied_volatility_call_270-implied_volatility_put_270), -1) Settings: Region: USA, Universe: TOP3000, Delay: 1, Decay: 4, Neutralization: MARKET, Truncation: 0.08, Pasteurization: ON 逻辑链深度解析:

门限交易 (Step 5): trade_when(pcr_oi < 1, ...) 是典型的门禁逻辑。只有在看涨持仓量大于看跌时（情绪偏多），才使用 IV Spread 信号。
条件分支: 不满足条件时给 -1（做空），这是一个激进的二元策略。 优化方向:
平滑: IV 数据跳动大，建议对 Spread 做 ts_mean 或 ts_decay_linear。

《151 Trading Strategies》论文精华模板

本部分总结自Zura Kakushadze与Juan Andrés Serur合著的《151 Trading Strategies》一文，重点提炼其中适用于BRAIN平台的股票类策略，并将其泛化为可复用的Alpha模板。

1. 风险调整后动量模板 (Risk-Adjusted Momentum)

模板表达式: ts_mean(ts_delay(returns, <skip_period>), <lookback_period>) / ts_std_dev(ts_delay(returns, <skip_period>), <lookback_period>)
核心思想: 这是对经典动量因子的改进。它计算的是过去一段时间（lookback_period）的"时序夏普比率"，即收益均值除以收益波动。同时，ts_delay跳过了最近一段时间（skip_period，通常为21天/1个月）的数据，以规避短期反转效应的干扰。该因子旨在寻找那些"高质量"的、持续且平稳的动量。
变量说明:
- <skip_period>: 跳过的近期交易日数，如 21。
- <lookback_period>: 计算动量的回看窗口，如 252。
适用场景: 通用性强，适用于构建稳健的动量类Alpha。
逻辑链深度解析:
- 时序标准化 (Step 4): 分子是收益均值，分母是波动率。本质是 Rolling Sharpe Ratio。
- 去噪 (Step 0): ts_delay 跳过最近一个月，剔除了短期反转（Short-term Reversal）噪音，只保留中长期动量。
优化方向:
- 从属信号: 叠加 turnover。在低换手率时，动量更可靠（量价配合）。
- 残差化: 先对 returns 做 regression_neut 剔除大盘影响，计算纯特异性动量。
适配自: Section 3.1, "Price-momentum", Rrisk.adj

2. 标准化盈利超预期模板 (SUE - Standardized Unexpected Earnings)

模板表达式: (fnd_eps_q - ts_delay(fnd_eps_q, 4)) / ts_std_dev(fnd_eps_q - ts_delay(fnd_eps_q, 4), 8)
核心思想: 捕捉超预期的盈利增长。它计算的是最新一季的EPS相较于去年同期的增量，并用该增量自身过去8个季度的波动性进行标准化。标准化后的值（SUE）越高，代表盈利惊喜越大，是经典的盈利动量因子。
变量说明:
- fnd_eps_q: 季度每股收益（EPS）字段。
适用场景: Fundamental（基本面）数据集，用于事件驱动型Alpha。
逻辑链深度解析:
- 季节性调整: ts_delay(..., 4) 比较同比季度，消除季节性影响。
- 波动率标准化 (Step 0): 除以过去8季度的波动，将“惊喜”转化为标准差单位（Z-Score），使其在不同波动率的公司间可比。
优化方向:
- 事件衰减 (Step 4): 叠加 days_from_last_change，让 SUE 信号随财报发布时间衰减。
- 从属信号: 叠加 Analyst Revision。若 SUE 高且分析师上调预期，信号更强。
适配自: Section 3.2, "Earnings-momentum", SUE

4. 隐含波动率偏斜动量模板 (Implied Volatility Skew Momentum)

模板表达式: ts_delta(implied_volatility_call_<window>, <period>) - ts_delta(implied_volatility_put_<window>, <period>)
核心思想: 捕捉市场情绪的变化。看涨期权IV的上升通常与乐观情绪相关，而看跌期权IV的上升则与悲观或避险情绪相关。该模板计算Call IV的变化量与Put IV变化量之差，旨在做多情绪改善、做空情绪恶化的股票。
变量说明:
- implied_volatility_call_<window>: 不同期限的看涨期权隐含波动率。
- implied_volatility_put_<window>: 不同期限的看跌期权隐含波动率。
- <period>: 计算IV变化的时间窗口，如 21 (月度变化)。
适用场景: Option（期权）数据集，用于捕捉短中期市场情绪变化。
逻辑链深度解析:
- 时序变化 (Step 4): 关注的是 IV 的变化 (ts_delta) 而非绝对值。
- 情绪差: Call IV 涨幅 > Put IV 涨幅 -> 情绪改善。
优化方向:
- 门限: trade_when(abs(skew_delta) > threshold, ...) 只在情绪剧烈变化时交易。
- 事件驱动: 在财报前（IV 高企时）该策略可能失效，需用 days_to_earnings 过滤。
适配自: Section 3.5, "Implied volatility"

5. 残差动量模板 (Residual Momentum)

模板表达式: ts_mean(regression_neut(regression_neut(regression_neut(returns, <factor_1/>), <factor_2/>), <factor_3/>), <window/>)
核心思想: 提纯动量信号。传统动量可能包含了市场Beta、市值、价值等多种因子的敞口。此模板通过连续的中性化（例如依次对<factor_1/>, <factor_2/>, <factor_3/>执行regression_neut）剥离可被通用因子解释的部分，然后仅对无法被解释的"残差等价物"部分计算动量。
变量说明:
- <factor_1/>, <factor_2/>, <factor_3/>: 市场通用因子，如 mkt_beta, size_factor, value_factor。
- <window/>: 计算残差动量的时间窗口。
适用场景: 通用性强，是因子提纯、构建高质量Alpha的关键步骤。
逻辑链深度解析:
- 提纯 (Step 0): 通过连续 regression_neut 剥离 Beta、Size、Value 等风格暴露。
- 时序动量: 对剥离后的残差求 ts_mean。
优化方向:
- 加权: 使用 ts_decay_linear 代替 ts_mean，给予近期残差更大权重。
- 组内比较: 在残差基础上再做 group_rank，寻找行业内最强特异动量。
适配自: Section 3.7, "Residual momentum"

6. 风险加权回归均值回归模板 (Weighted Regression Mean-Reversion)

模板表达式: reverse(regression_neut(multiply(returns, power(inverse(ts_std_dev(returns, <window/>)), 2)), <group_matrix/>))
核心思想: 这是对标准行业中性化均值回归的增强。在对收益率进行行业中性化时，它为不同股票赋予了不同的权重。具体来说，它给历史波动率较低的股票更高的权重，认为这些股票的收益率数据更"可靠"，在计算行业均值时应占更大比重。
变量说明:
- <group_matrix>: 行业或分组的哑变量矩阵。
- weights: 回归权重，通常是可靠性的度量，如 1/variance。
- <window>: 计算波动率的时间窗口。
适用场景: 适用于任何需要进行组内中性化或回归剥离的场景，尤其是当组内成员的信号质量或波动性差异较大时。
逻辑链深度解析:
- 加权最小二乘 (WLS): 使用 1/variance 作为权重，认为低波动的股票信息更可靠。
- 均值回归: reverse 捕捉残差的反转。
优化方向:
- 从属信号: 引入 liquidity 权重。流动性好的股票回归更快。
适配自: Section 3.10, "Mean-reversion – weighted regression"

7. 移动平均线交叉模板 (Moving Average Crossover)

模板表达式: sign(ts_mean(<price/>, <short_window>) - ts_mean(<price/>, <long_window>))
核心思想: 经典的趋势跟踪策略。当短期均线上穿长期均线（"金叉"）时，表明短期趋势走强，产生买入信号。当短期均线下穿长期均线（"死叉"）时，表明趋势走弱，产生卖出信号。
变量说明:
- <price/>: close, vwap 等价格字段。
- <short_window>: 短期均线窗口，如 10, 20。
- <long_window>: 长期均线窗口，如 50, 100。
适用场景: 适用于趋势性较强的市场或资产。
逻辑链深度解析:
- 低通滤波: MA 本质是滤除高频噪音。
- 二元信号: sign 输出 +1/-1，不包含强度信息。
优化方向:
- 连续化 (Step 1): 去掉 sign，直接使用差值并标准化 (zscore)，保留强度信息。
- 从属信号: 结合 ADX (趋势强度指标)。只有在趋势强时才使用 MA 交叉。
适配自: Section 3.12, "Two moving averages"

9. 渠道突破模板 (Channel Breakout)

模板表达式: alpha = if_else(greater(close, ts_max(high, <window/>)), 1, if_else(less(close, ts_min(low, <window/>)), -1, 0)); reverse(alpha)
核心思想: 这是一个经典的反转策略。它定义了一个由过去N日最高价和最低价构成的价格渠道（Channel）。当价格向上突破渠道上轨时，认为市场过热，产生卖出信号（-1）；当价格向下突破渠道下轨时，认为市场超卖，产生买入信号（+1）。
变量说明:
- <window>: 定义渠道的时间窗口，如 20。
适用场景: 适用于有均值回归特性的市场或个股。
逻辑链深度解析:
- 区间突破 (Step 2): 典型的“只在尾部交易”逻辑。中间区间为 0。
- 反转逻辑: reverse 赌突破是假突破（False Breakout）。
优化方向:
- 顺势/逆势切换: 结合 volatility。低波时做反转（假突破），高波时做顺势（真突破）。
适配自: Section 3.15, "Channel"

11. 价值因子基础模板 (Value Factor)

模板表达式: group_rank(<book_value/> / <market_cap/>)
核心思想: 经典的价值投资策略。它旨在买入账面价值相对于市场价值被低估的"价值股"，并卖出被高估的"成长股"。最核心的衡量指标是账面市值比（Book-to-Price / Book-to-Market Ratio）。
变量说明:
- <book_value/>: 公司账面价值或每股净资产字段。
- <market_cap/>: 公司市值或收盘价字段。
适用场景: Fundamental (基本面) 数据集，作为构建多因子模型的基础因子之一。
逻辑链深度解析:
- 组内比较 (Step 3): 价值因子在不同行业间不可比（如科技 vs 银行），必须用 group_rank。
优化方向:
- 去噪: 先 winsorize 再 group_rank。
- 从属信号: 叠加 Quality (ROE)。避免买入“价值陷阱”（便宜但烂的公司）。
适配自: Section 3.3, "Value"

13. 配对交易均值回归框架 (Pairs Trading)

模板表达式: signal_A = (close_A - close_B) - ts_mean(close_A - close_B, <window>); reverse(signal_A)
核心思想: 寻找历史上高度相关的两只股票（一个"配对"），当它们的价差（spread）偏离历史均值时进行套利。如果价差过大，则做空价高的股票、做多价低的股票，赌价差会回归。这是一个经典的统计套利和均值回归策略。
变量说明:
- close_A, close_B: 配对股票A和B的价格序列。
- <window>: 计算历史价差均值的时间窗口。
适用场景: 适用于同一行业内业务高度相似的公司，是构建市场中性策略的基础。
逻辑链深度解析:
- 协整关系: 构造平稳序列 Spread。
- 均值回归: 赌 Spread 回归均值。
优化方向:
- 动态阈值: 使用 ts_std_dev(Spread) 设定动态开仓线（如 2倍标准差）。
- 止损: 增加 trade_when(abs(Spread) > 4*std, 0, ...) 防止协整破裂。
适配自: Section 3.8, "Pairs trading"

补充模板

A. Analyst交叉分组打底（模板名：示例）

核心结构: financial_data = ts_backfill(<vec_func/>(<analyst_metric/>), 60); gp = group_cartesian_product(country, industry); <ts_operator/>(<group_operator/>(financial_data, gp), <window/>)
思想: 先对分析师字段做向量聚合（vec_avg、vec_kurtosis、vec_ir等），用group_cartesian_product构建国家×行业组合，再做组内标准化/中性化+时序处理，形成稳定的截面信号。
变量要点: analyst_metric覆盖mdl26_*、star_arm_*等Analyst/SmartEstimate场景；vec_func选择聚合方式；group_operator用于行业/国家组内的scale或neutralize；ts_operator用于时间平滑（ts_mean、ts_zscore等）；window在20/60/90/200之间取值。
适用场景: 适合Analyst情感、预期修正类主题，想要跨国+行业分组的稳健截面信号。
逻辑链深度解析:
- 数据填补 (Step 0): 分析师数据稀疏，必须 ts_backfill。
- 精细分组 (Step 3): group_cartesian_product 实现了“国家x行业”的精细化中性化，适合全球策略。
优化方向:
- 算子选择: vec_ir (信息比率) 比 vec_avg 更能体现分析师的一致性。

B. 双重中性化（模板名：双重中性化:以Analyst15为例）

核心结构: 与上类似，先ts_backfill(vec_func(Analyst15字段), 60)，再按国家×行业分组，做组内中性化与时序处理。
思想: 针对anl15_*增长/估值/分红等字段，在截面层面做两次中性化（向量聚合后+组内处理），用于剥离共性行业/国家暴露。
变量要点: 数据集中anl15_*覆盖多期增长率、PE、估值、分红等；vec_func与ts_operator选择决定信号平滑度；窗口建议60–200以保证填补稳定。
适用场景: Analyst15预期修正、估值再定价类信号，需要同时消化国家+行业噪音的场景。
逻辑链深度解析:
- 多重剥离: 彻底消除风格暴露，追求纯 Alpha。
优化方向:
- 顺序: 先做行业中性，再做国家中性，通常更符合基本面逻辑。

C. 组间比较（模板名：组间比较_GLB_topdiv）

核心结构: 先在country × <group1/>分组内对回填后的向量聚合结果做ts_zscore和group_zscore，再计算组均值/极值（group_min/median/max/sum/count），用resid = <compare/>(alpha, alpha_gpm)求组间残差，最后再做组内+时序处理。
思想: 对同一层级（如行业/子行业/交易所）之间的相对强弱做剥离，得到“相对组均值”的残差信号，适合跨组对比的Alpha挖掘。
变量要点: analyst_field来源于fnd8_*基本面/现金流字段；vec_op可选vec_max/avg/min；compare可用regression_neut或signed_power提取残差；t_window取20/60/200/600，控制平滑与稳定性。
适用场景: GLB区域的分红/现金流因子（topdiv）在国家+行业框架下的相对价值比较，关注跨组差异的策略。
逻辑链深度解析:
- 相对价值: 关注的是“我在我的组里是否优秀”，而不是“我绝对值多少”。
优化方向:
- 非线性: 使用 rank 代替原始值计算残差，对异常值更鲁棒。

D. 组间比较（Analyst15版，模板名：组间比较_glb_topdiv_anl15）

核心结构: 与上一模板相同，但analyst_field替换为anl15_*系列的增长/估值/分红字段。
思想: 通过对Analyst15增长与估值预期的组间残差建模，捕捉行业/国家层面的相对高低估与预期修正。
变量要点: group1可选industry/subindustry/sector/exchange；compare与group_stats同上；ts_op和group_op用于残差后再标准化和时序平滑。
适用场景: 全球范围GLB，基于Analyst15预期数据的组间相对价值或动量信号。
逻辑链深度解析:
- 预期差: 寻找行业内被分析师低估/高估的股票。
优化方向:
- 时序叠加: 结合 ts_delta，寻找“行业内预期提升最快”的股票。

E. 顾问分析示例（模板名：顾问分析示例）

核心结构: financial_data = ts_backfill(<mixdata/>, 90); gp = industry; <ts_operator/>(<group_operator/>(financial_data, gp), <window/>)
思想: 直接对anl69_*多字段做90日回填，行业组内标准化后再做时序平滑，生成简洁的行业中性信号。
变量要点: mixdata覆盖anl69_*的EPS/EBIT/现金分红/目标价/报告日期等；ts_operator可用ts_zscore、ts_scale、ts_rank等；window提供60/120/220/600可调节频率。
适用场景: Analyst69数据驱动的行业内预期跟踪、财报节奏/指引变化监控。
逻辑链深度解析:
- 标准流程: 填补 -> 截面标准化 -> 时序平滑。这是构建稳健因子的标准三板斧。
优化方向:
- 事件驱动: 在财报日前后缩短 ts_mean 的窗口，提高灵敏度。

新增模板（CAPM與估值、分析師期限、期權、搜尋優化）

1. CAPM殘差模板（市場/行業中性收益）

表達式: ts_regression(returns, group_mean(returns, log(ts_mean(cap,21)), sector), 252, rettype=0)。
核心思想: 回歸剔除市場/行業暴露，保留超額收益殘差作為Alpha。
適用場景: 通用起手式，回歸殘差可作後續動量或價值信號的底板。
優化: 改rettype=2獲取beta斜率，用於風險排序或低/高beta組合；可加入winsorize、ts_backfill預處理。

2. CAPM廣義殘差（任意特徵）

表達式: data = winsorize(ts_backfill(<data>,63), std=4); gpm = group_mean(data, log(ts_mean(cap,21)), sector); resid = ts_regression(data, gpm, 252, rettype=0)。
核心思想: 將任意特徵去除組均值成分，提取行業相對的特異性部分。
適用場景: 基本面、情緒、替代數據的組內殘差提純。
優化: 先group_zscore再回歸；對resid再做ts_zscore或ts_mean平滑。

3. CAPM Beta排序模板

表達式: target_data = winsorize(ts_backfill(<target>,63), std=4); market_data = winsorize(ts_backfill(<market>,63), std=4); beta = ts_regression(target_data, group_mean(market_data, log(ts_mean(cap,21)), sector), 252, rettype=2)。
核心思想: 提取行業內相對beta，作為風險/防禦排序；低beta偏防禦，高beta偏進攻。
優化: 行業或國家分組；可按beta分桶做長低/短高，或反向用於高波段套利。

4. 實際-預估差異模板（Analyst Surprise）

表達式: group_zscore(subtract(group_zscore(<act>, industry), group_zscore(<est>, industry)), industry)。
核心思想: 行業內標準化後的實際值與預估值差，捕捉超預期或低於預期的驚喜。
適用場景: analyst7/analyst14/earnings估值類字段。
優化: 對差分再做ts_zscore；門檻交易只在|z|>1.5時開倉。

5. 分析師期限結構模板（近遠期預估斜率）

表達式: group_zscore(subtract(group_zscore(anl14_mean_eps_<p1>, industry), group_zscore(anl14_mean_eps_<p2>, industry)), industry)，<p1>/<p2>為fp1/fp2/fy1/fy2等。
核心思想: 比較短期與長期預估的行業內斜率，捕捉預期加速或鈍化。
適用場景: analyst14/15 期別字段；適用成長/拐點挖掘。
優化: 擴展到多期間差分或ts_delta跟蹤斜率變化；對斜率做rank或winsorize。

6. 期權Greeks淨值模板

表達式: group_operator(<put_greek> - <call_greek>, <group>)，Greek可選Delta/Gamma/Vega/Theta。
核心思想: 同組內看多vs看空的期權敏感度差，反映隱含情緒或凸性差異。
適用場景: Option數據集；行業或市值分組下的情緒/波動信號。
優化: 多Greek加權組合；對淨值再ts_mean平滑；事件期(財報)可降權或過濾。

7. IV Skew動量擴展

表達式: ts_delta(implied_volatility_call_<w>, <p>) - ts_delta(implied_volatility_put_<w>, <p>)。
核心思想: Call與Put隱含波動變化差捕捉情緒轉折；可做多情緒改善、做空情緒惡化。
優化: 加trade_when(abs(skew)>thr)門檻；財報前後縮窗；行業中性。

8. 殘差動量精簡版

表達式: res = regression_neut(returns, <common_factor_matrix>); ts_mean(res, <window>)。
核心思想: 先剝離市場/風格暴露，再對特異收益做動量；較原版多重回歸更輕量。
優化: 使用ts_decay_linear增加近期權重；行業內group_rank提升截面穩定度。

9. 分紅/現金流組間殘差（簡版）

表達式: alpha = ts_zscore(ts_backfill(<cf_or_div_field>,90)); g = group_mean(alpha, <group>, <weight_opt>); resid = alpha - g; group_zscore(resid, <group>)。
核心思想: 先回填平滑，再对組均值做殘差，捕捉組內相對高/低分紅或現金流質量。
適用場景: fnd8/fnd6/topdiv等分紅現金流字段；行業/國家分組。
優化: 權重可用log(cap)或vol逆；對resid再做ts_mean平滑。

模板格式说明

每个模板使用以下占位符格式：

<ts_op/> - 时间序列操作符，如 ts_rank, ts_mean, ts_delta, ts_ir, ts_stddev, ts_zscore
<group_op/> - 分组操作符，如 group_rank, group_neutralize, group_zscore
<vec_op/> - 向量操作符，如 vec_avg, vec_sum, vec_max, vec_min, vec_stddev
<field/> - 数据字段占位符
<d/> - 时间窗口参数，常用值: {5, 22, 66, 126, 252, 504}
<group/> - 分组字段，如 industry, sector, subindustry, market

第一部分：基础结构模板 (TPL-001 ~ TPL-010)

TPL-001: 基本面时序排名

模板: <group_op/>(<ts_op/>(<field/>, <d/>), <group/>)

占位符	可选值	说明
`<ts_op/>`	`ts_rank`, `ts_zscore`, `ts_delta`, `ts_ir`	时序比较操作
`<group_op/>`	`group_rank`, `group_zscore`, `group_neutralize`	截面比较操作
`<field/>`	基本面字段: `eps`, `sales`, `assets`, `roe`, `roa`	公司财务数据
`<d/>`	`66`, `126`, `252`	季度/半年/年
`<group/>`	`industry`, `sector`	行业分组

示例:

group_rank(ts_rank(eps, 252), industry)
group_zscore(ts_ir(sales, 126), sector)

TPL-002: 利润/规模比率模板

模板: <ts_op/>(<profit_field/>/<size_field/>, <d/>)

占位符	可选值	说明
`<ts_op/>`	`ts_rank`, `ts_zscore`, `ts_mean`, `ts_delta`	时序操作
`<profit_field/>`	`net_income`, `ebitda`, `operating_income`, `gross_profit`	利润类字段
`<size_field/>`	`assets`, `cap`, `sales`, `equity`	规模类字段
`<d/>`	`66`, `126`, `252`	中长期窗口

示例:

ts_rank(net_income/assets, 252)
ts_zscore(ebitda/cap, 126)
ts_rank(operating_income/cap, 252)^2

TPL-003: 向量数据处理模板 (VECTOR字段必用)

模板: <ts_op/>(<vec_op/>(<vector_field/>), <d/>)

占位符	可选值	说明
`<ts_op/>`	`ts_rank`, `ts_mean`, `ts_delta`, `ts_ir`, `ts_zscore`	时序操作
`<vec_op/>`	`vec_avg`, `vec_sum`, `vec_max`, `vec_min`, `vec_stddev`	向量聚合
`<vector_field/>`	分析师数据: `anl4_`, `analyst_`, `oth41_*`	VECTOR类型字段
`<d/>`	`22`, `66`, `126`	短中期窗口

示例:

ts_delta(vec_avg(anl4_eps_mean), 22)
ts_rank(vec_sum(analyst_estimate), 66)
ts_ir(vec_avg(oth41_s_west_eps_ftm_chg_3m), 126)

TPL-004: 双重中性化模板

模板:
a = <ts_op/>(<field/>, <d/>);
a1 = group_neutralize(a, bucket(rank(cap), range="<range/>"));
group_neutralize(a1, <group/>)

占位符	可选值	说明
`<ts_op/>`	`ts_zscore`, `ts_rank`, `ts_ir`	时序操作
`<field/>`	任意数据字段	主信号
`<d/>`	`66`, `126`, `252`	时间窗口
`<range/>`	`"0.1,1,0.1"`, `"0,1,0.1"`	市值分组范围
`<group/>`	`industry`, `sector`, `subindustry`	行业分组

示例:

a = ts_zscore(fnd72_s_pit_or_is_q_spe_si, 252);
a1 = group_neutralize(a, bucket(rank(cap), range="0.1,1,0.1"));
group_neutralize(a1, subindustry)

TPL-005: 回归中性化模板

模板:
a = <ts_op/>(<field/>, <d/>);
a1 = group_neutralize(a, bucket(rank(cap), range="<range/>"));
a2 = group_neutralize(a1, <group/>);
b = ts_zscore(cap, <d/>);
b1 = group_neutralize(b, <group/>);
regression_neut(a2, b1)

占位符	可选值	说明
`<ts_op/>`	`ts_zscore`, `ts_rank`	时序操作
`<field/>`	基本面或其他字段	主信号
`<d/>`	`252`, `504`	长期窗口
`<range/>`	`"0.1,1,0.1"`	市值分组
`<group/>`	`subindustry`, `sector`	行业分组

TPL-006: 基本面动量模板

模板: log(ts_mean(<field/>, <d_short/>)) - log(ts_mean(<field/>, <d_long/>))

占位符	可选值	说明
`<field/>`	`anl4_{data}_{stats}`, 基本面字段	数据字段
`<d_short/>`	`20`, `44`	短期窗口
`<d_long/>`	`44`, `126`	长期窗口

示例:

log(ts_mean(anl4_eps_mean, 44)) - log(ts_mean(anl4_eps_mean, 20))

TPL-007: 财报事件驱动模板

模板:
event = ts_delta(<fundamental_field/>, -1);
if_else(event != 0, <alpha/>, nan)

占位符	可选值	说明
`<fundamental_field/>`	`assets`, `sales`, `eps`	基本面字段
`<alpha/>`	主信号表达式	事件发生时的Alpha

扩展版:

change = if_else(days_from_last_change(<field/>) == <days/>, ts_delta(close, <d/>), nan)

TPL-008: 标准化回填模板

模板: <ts_op/>(winsorize(ts_backfill(<field/>, <d_backfill/>), std=<std/>), <d/>)

占位符	可选值	说明
`<ts_op/>`	`ts_rank`, `ts_decay_linear`, `ts_zscore`	时序操作
`<field/>`	低频数据字段	需要回填的字段
`<d_backfill/>`	`115`, `120`, `180`	回填窗口
`<std/>`	`4`, `3`, `5`	winsorize标准差
`<d/>`	`10`, `22`, `60`	操作窗口

示例:

ts_decay_linear(-densify(zscore(winsorize(ts_backfill(anl4_adjusted_netincome_ft, 115), std=4))), 10)
ts_rank(winsorize(ts_backfill(<data>, 120), std=4), 60)

TPL-009: 信号质量分组模板

模板:
signal = <ts_op/>(<field/>, <d/>);
credit_quality = bucket(rank(ts_delay(signal, 1), rate=0), range="<range/>");
group_neutralize(<decay_op/>(signal, k=<k/>), credit_quality)

占位符	可选值	说明
`<ts_op/>`	`ts_rank`, `ts_zscore`	信号计算
`<field/>`	任意数据字段	主字段
`<d/>`	`60`, `120`	窗口
`<range/>`	`"0.2,1,0.2"`	分组范围
`<decay_op/>`	`ts_weighted_decay`	衰减操作
`<k/>`	`0.5`, `0.3`	衰减系数

TPL-010: 复合分组中性化

模板: group_neutralize(<alpha/>, densify(<group1/>)*1000 + densify(<group2/>))

占位符	可选值	说明
`<alpha/>`	主信号	原始Alpha
`<group1/>`	`subindustry`, `sector`	主分组
`<group2/>`	`country`, `exchange`	次分组

第二部分：量价类模板 (TPL-101 ~ TPL-120)

TPL-101: 换手率反转

模板: -<ts_op/>(volume/sharesout, <d/>)

占位符	可选值	说明
`<ts_op/>`	`ts_mean`, `ts_rank`, `ts_std_dev`	时序统计
`<d/>`	`5`, `22`, `66`	短中期窗口

示例:

-ts_mean(volume/sharesout, 22)
-ts_std_dev(volume/sharesout, 22)

TPL-102: 量稳换手率 (STR)

模板: -ts_std_dev(volume/sharesout, <d1/>)/ts_mean(volume/sharesout, <d2/>)

占位符	可选值	说明
`<d1/>`	`20`, `22`	波动计算窗口
`<d2/>`	`20`, `22`	均值计算窗口

优化版:

模板: -group_neutralize(ts_std_dev(volume/sharesout, <d/>)/ts_mean(volume/sharesout, <d/>), bucket(rank(cap), range="0.1,1,0.1"))

TPL-103: 价格反转模板

模板: -<ts_op/>(<price_field/>, <d/>)

占位符	可选值	说明
`<ts_op/>`	`ts_delta`, `ts_mean`, `ts_rank`	时序操作
`<price_field/>`	`close`, `returns`, `close/open-1`, `open/ts_delay(close,1)-1`	价格/收益字段
`<d/>`	`3`, `5`, `22`	短期窗口

示例:

-ts_delta(close, 5)                    # 价格变化反转
-ts_mean(returns, 22)                  # 收益均值反转
-ts_mean(close/open-1, 22)             # 日内收益反转
-(open/ts_delay(close,1)-1)            # 隔夜收益反转

TPL-104: 价格乖离率

模板: -(close - ts_mean(close, <d/>))/ts_mean(close, <d/>)

占位符	可选值	说明
`<d/>`	`5`, `22`, `66`	MA周期

TPL-105: 量价相关性

模板: -ts_corr(<price_field/>, <volume_field/>, <d/>)

占位符	可选值	说明
`<price_field/>`	`close`, `returns`, `abs(returns)`	价格类
`<volume_field/>`	`volume`, `volume/sharesout`, `adv20`	成交量类
`<d/>`	`22`, `66`, `126`	相关性窗口

TPL-106: 跳跃因子

模板: -group_neutralize(ts_mean((close/open-1) - log(close/open), <d/>), bucket(rank(cap), range="0.1,1,0.1"))

占位符	可选值	说明
`<d/>`	`22`, `30`, `66`	平均窗口

带成交量增强版:

模板: -group_neutralize(ts_mean((close/open-1) - log(close/open), <d/>) * ts_rank(volume, 5), bucket(rank(cap), range="0.1,1,0.1"))

TPL-107: 指数衰减动量

模板: -ts_decay_exp_window(<field/>, <d/>, factor=<f/>)

占位符	可选值	说明
`<field/>`	`returns`, `returns*(volume/sharesout)`, `close/open-1`	收益类字段
`<d/>`	`22`, `66`, `126`	衰减窗口
`<f/>`	`0.04`, `0.1`, `0.5`, `0.9`	衰减因子，越小衰减越快

TPL-108: 成交量周期函数 (VOC)

模板:
m_minus = ts_mean(volume, <d_long/>) - ts_mean(volume, <d_short/>);
delta = (ts_max(m_minus, <d_short/>) - m_minus)/(ts_max(m_minus, <d_short/>) - ts_min(m_minus, <d_short/>));
<weight1/>*delta + <weight2/>*ts_delay(delta, 1)

占位符	可选值	说明
`<d_long/>`	`30`, `66`	长期均值窗口
`<d_short/>`	`10`, `22`	短期均值窗口
`<weight1/>`	`0.33`, `0.5`	当日权重
`<weight2/>`	`0.67`, `0.5`	前日权重

TPL-109: 市场相关性因子

模板:
mkt_ret = group_mean(returns, 1, market);
pt = ts_corr(returns, mkt_ret, <d/>);
rank(1/(2*(1-pt)))

占位符	可选值	说明
`<d/>`	`10`, `22`, `66`	相关性窗口

TPL-110: 成交量趋势模板

模板: ts_decay_linear(volume/ts_sum(volume, <d_long/>), <d_short/>)

占位符	可选值	说明
`<d_long/>`	`252`, `504`	长期总量窗口
`<d_short/>`	`10`, `22`	衰减窗口

TPL-111: VWAP收益相关

模板:
returns > -<threshold/> ? (ts_ir(ts_corr(ts_returns(vwap, 1), ts_delay(group_neutralize(<field/>, market), <d1/>), <d2/>), <d2/>)) : -1

占位符	可选值	说明
`<threshold/>`	`0.1`, `0.05`	收益阈值
`<field/>`	任意数据字段	信号字段
`<d1/>`	`30`, `60`	延迟窗口
`<d2/>`	`90`, `120`	相关性窗口

TPL-112: 动量因子创建

模板: ts_sum(winsorize(ts_backfill(<data/>, <day/>), std=4.0), <n/>*21) - ts_sum(winsorize(ts_backfill(<data/>, <day/>), std=4.0), <m/>*21)

占位符	可选值	说明
`<data/>`	`returns`, 基本面字段	数据字段
`<day/>`	`120`, `180`	回填窗口
`<n/>`	`6`, `12`	长期月数
`<m/>`	`1`, `0.1*n`	短期月数

TPL-113: 线性衰减排名

模板: -ts_rank(ts_decay_linear(<field/>, <d1/>), <d2/>)

占位符	可选值	说明
`<field/>`	`percent`, 任意时序信号	输入信号
`<d1/>`	`10`, `22`, `150`	衰减窗口
`<d2/>`	`50`, `126`	排名窗口

第三部分：情绪/新闻类模板 (TPL-201 ~ TPL-220)

TPL-201: 情绪差值模板

模板: <ts_op/>(rank(ts_backfill(<positive_sentiment/>, <d/>)) - rank(ts_backfill(<negative_sentiment/>, <d/>)), <d2/>)

占位符	可选值	说明
`<ts_op/>`	`ts_mean`, `ts_rank`, `ts_zscore`	时序操作
`<positive_sentiment/>`	正面情绪字段	积极信号
`<negative_sentiment/>`	负面情绪字段	消极信号
`<d/>`	`20`, `30`	回填窗口
`<d2/>`	`5`, `22`	比较窗口

TPL-202: 新闻情绪回归残差

模板:
sentiment = ts_backfill(ts_delay(<vec_op/>(<sentiment_field/>), 1), <d1/>);
vhat = ts_regression(volume, sentiment, <d2/>);
ehat = -ts_regression(returns, vhat, <d3/>);
group_rank(ehat, bucket(rank(cap), range="0,1,0.1"))

占位符	可选值	说明
`<vec_op/>`	`vec_avg`, `vec_sum`	情绪聚合方式
`<sentiment_field/>`	`scl12_sentiment`, `snt_buzz_ret`, `nws18_relevance`	情绪数据
`<d1/>`	`20`, `30`	回填窗口
`<d2/>`	`120`, `250`	成交量回归窗口
`<d3/>`	`250`, `750`	收益回归窗口

TPL-203: 社交媒体情绪

模板: rank(<vec_op/>(scl12_alltype_buzzvec) * <vec_op/>(scl12_sentiment))

占位符	可选值	说明
`<vec_op/>`	`vec_sum`, `vec_avg`	向量聚合

带条件版:

模板:
sent_vol = vec_sum(scl12_alltype_buzzvec);
trade_when(rank(sent_vol) > 0.95, -zscore(scl12_buzz)*sent_vol, -1)

TPL-204: 条件情绪过滤

模板:
group_rank(
sigmoid(if_else(ts_zscore(<sentiment_field/>, <d/>) > <threshold/>, ts_zscore(<sentiment_field/>, <d/>), 0)),
<group/>
)

占位符	可选值	说明
`<sentiment_field/>`	情绪字段	情绪数据
`<d/>`	`22`, `30`, `66`	zscore窗口
`<threshold/>`	`1`, `1.5`, `2`	z-score阈值
`<group/>`	`industry`, `sector`	分组字段

TPL-205: 情绪+波动率复合

模板: log(1 + sigmoid(ts_zscore(<sentiment_field/>, <d1/>)) * sigmoid(ts_zscore(<volatility_field/>, <d2/>)))

占位符	可选值	说明
`<sentiment_field/>`	情绪字段	情绪数据
`<volatility_field/>`	`option8_*`, 波动率字段	波动率数据
`<d1/>`	`30`, `66`	情绪窗口
`<d2/>`	`30`, `66`	波动率窗口

TPL-206: 指数衰减情绪

模板: ts_decay_exp_window(vec_avg(<sentiment_field/>), <d/>, <factor/>)

占位符	可选值	说明
`<sentiment_field/>`	`mws85_sentiment`, `nws18_ber`	情绪向量字段
`<d/>`	`10`, `22`	衰减窗口
`<factor/>`	`0.9`, `0.7`	衰减因子

双情绪组合:

decayed_sentiment_1 = ts_decay_exp_window(vec_avg(mws85_sentiment), 10, 0.9);
decayed_sentiment_2 = ts_decay_exp_window(vec_avg(nws18_ber), 10, 0.9);
decayed_sentiment_1 + decayed_sentiment_2

TPL-207: 新闻结果排名

模板:
percent = ts_rank(vec_stddev(<news_field/>), <d1/>);
-ts_rank(ts_decay_linear(percent, <d2/>), <d1/>)

占位符	可选值	说明
`<news_field/>`	`nws12_prez_result2`	新闻数据
`<d1/>`	`50`, `66`	排名窗口
`<d2/>`	`150`, `252`	衰减窗口

TPL-208: 分组行业提取情绪

模板: scale(group_extra(ts_sum(sigmoid(ts_backfill(<data/>, <d1/>)), <d2/>) - ts_sum(sigmoid(ts_backfill(<data/>, <d1/>)), <d2/>), 0.5, densify(industry)))

占位符	可选值	说明
`<data/>`	情绪或基本面字段	数据字段
`<d1/>`	`180`, `252`	回填窗口
`<d2/>`	`3`, `5`	求和窗口

第四部分：期权类模板 (TPL-301 ~ TPL-320)

TPL-301: 期权希腊字母差值

模板: <group_op/>(<put_greek/> - <call_greek/>, <group/>)

占位符	可选值	说明
`<group_op/>`	`group_rank`, `group_neutralize`, `group_zscore`	分组操作
`<put_greek/>`	`put_delta`, `put_gamma`, `put_theta`, `put_vega`	Put希腊字母
`<call_greek/>`	`call_delta`, `call_gamma`, `call_theta`, `call_vega`	Call希腊字母
`<group/>`	`industry`, `sector`	分组字段

TPL-302: 期权价格信号

模板: group_rank(<ts_op/>(<vec_op/>(<option_price_field/>)/close, <d/>), <group/>)

占位符	可选值	说明
`<ts_op/>`	`ts_scale`, `ts_rank`, `ts_zscore`	时序操作
`<vec_op/>`	`vec_max`, `vec_avg`	向量操作
`<option_price_field/>`	期权价格字段	期权数据
`<d/>`	`66`, `120`, `252`	时间窗口
`<group/>`	`industry`, `sector`	分组字段

TPL-303: 期权波动率信号

模板: sigmoid(<ts_op/>(<opt_high/> - <opt_close/>, <d/>))

占位符	可选值	说明
`<ts_op/>`	`ts_ir`, `ts_stddev`, `ts_zscore`, `ts_mean`	波动性操作
`<opt_high/>`	期权高价字段	期权最高价
`<opt_close/>`	期权收盘价字段	期权收盘价
`<d/>`	`120`, `250`, `504`	长期窗口

说明: 期权波动类因子通常需要较长窗口(120-504天)来捕捉稳定信号

TPL-304: 隐含波动率比率

模板: <ts_op/>(implied_volatility_call_<tenor/>/parkinson_volatility_<tenor/>, <d/>)

占位符	可选值	说明
`<ts_op/>`	`ts_rank`, `ts_zscore`, `ts_delta`	时序操作
`<tenor/>`	`120`, `270`	期权期限
`<d/>`	`66`, `126`, `252`	窗口

TPL-305: Put-Call成交量比

模板: <ts_op/>(pcr_vol_<tenor/>, <d/>)

占位符	可选值	说明
`<ts_op/>`	`ts_rank`, `ts_delta`, `ts_zscore`	时序操作
`<tenor/>`	`10`, `30`, `60`	期限
`<d/>`	`22`, `66`, `126`	窗口

TPL-306: 期权盈亏平衡点

模板: group_rank(ts_zscore(<breakeven_field/>/close, <d/>), <group/>)

占位符	可选值	说明
`<breakeven_field/>`	`call_breakeven_10`, `put_breakeven_10`	盈亏平衡字段
`<d/>`	`66`, `126`, `252`	窗口
`<group/>`	`sector`, `industry`	分组

第五部分：分析师类模板 (TPL-401 ~ TPL-420)

TPL-401: 分析师预期变化

模板: <vec_op/>(tail(tail(<analyst_change_field/>, lower=<low/>, upper=<high/>, newval=<low/>), lower=-<high/>, upper=-<low/>, newval=-<low/>))

占位符	可选值	说明
`<vec_op/>`	`vec_avg`, `vec_sum`	向量聚合
`<analyst_change_field/>`	`oth41_s_west_eps_ftm_chg_3m`, `anl4_eps_chg`	预期变化字段
`<low/>`	`0.25`, `0.1`	下截断值
`<high/>`	`1000`, `100`	上截断值

TPL-402: 剥离动量的分析师因子

模板:
afr = <vec_op/>(<analyst_field/>);
short_mom = ts_mean(returns - group_mean(returns, 1, market), <d_short/>);
long_mom = ts_delay(ts_mean(returns - group_mean(returns, 1, market), <d_long/>), <d_long/>);
regression_neut(regression_neut(afr, short_mom), long_mom)

占位符	可选值	说明
`<vec_op/>`	`vec_avg`, `vec_sum`	向量聚合
`<analyst_field/>`	分析师数据字段	一致预期等
`<d_short/>`	`5`, `10`	短期动量窗口
`<d_long/>`	`20`, `22`	长期动量窗口

TPL-403: 分析师覆盖度过滤

模板:
coverage_filter = ts_sum(<vec_op/>(<analyst_field/>), <d/>) > <min_count/>;
if_else(coverage_filter, <alpha/>, nan)

占位符	可选值	说明
`<vec_op/>`	`vec_count`	统计分析师数量
`<analyst_field/>`	分析师向量字段	分析师数据
`<d/>`	`66`, `90`, `126`	统计窗口
`<min_count/>`	`2`, `3`, `5`	最小覆盖数量
`<alpha/>`	主信号表达式	待过滤的Alpha

TPL-404: 老虎哥回归模板

模板: group_rank(ts_regression(ts_zscore(<field1/>, <d/>), ts_zscore(vec_sum(<field2/>), <d/>), <d/>), densify(sector))

占位符	可选值	说明
`<field1/>`	任意MATRIX字段	Y变量
`<field2/>`	任意VECTOR字段	X变量
`<d/>`	`252`, `504`	回归窗口

说明: 经典回归模板，适用于基本面与分析师数据组合

TPL-405: 分析师预期时序变化

模板: ts_mean(vec_avg(<analyst_field/>), <d_short/>) - ts_mean(vec_avg(<analyst_field/>), <d_long/>)

占位符	可选值	说明
`<analyst_field/>`	`anl4_eps_mean`, `anl4_revenue_mean`	分析师预测
`<d_short/>`	`22`, `44`	短期窗口
`<d_long/>`	`66`, `126`	长期窗口

TPL-406: 三因子组合模板

模板:
my_group = market;
rank(
group_rank(ts_decay_linear(volume/ts_sum(volume, 252), 10), my_group) *
group_rank(ts_rank(vec_avg(<fundamental/>), <d/>), my_group) *
group_rank(-ts_delta(close, 5), my_group)
)

占位符	可选值	说明
`<fundamental/>`	基本面VECTOR字段	基本面数据
`<d/>`	`252`, `504`	排名窗口

TPL-407: 分析师FCF比率

模板: ts_rank(vec_avg(<fcf_field/>) / vec_avg(<profit_field/>), <d/>)

占位符	可选值	说明
`<fcf_field/>`	`anl4_fcf_value`	自由现金流预测
`<profit_field/>`	`anl4_netprofit_low`, `anl4_netprofit_mean`	利润预测
`<d/>`	`66`, `126`, `252`	排名窗口

第六部分：中性化技术模板 (TPL-501 ~ TPL-515)

TPL-501: 市值分组中性化

模板: group_neutralize(<alpha/>, bucket(rank(cap), range="<range/>"))

占位符	可选值	说明
`<alpha/>`	主信号表达式	待中性化的Alpha
`<range/>`	`"0.1,1,0.1"`, `"0,1,0.1"`	分组范围

TPL-502: 双重中性化 (行业+市值)

模板:
a1 = group_neutralize(<alpha/>, bucket(rank(cap), range="<range/>"));
group_neutralize(a1, <group/>)

占位符	可选值	说明
`<alpha/>`	主信号	原始Alpha
`<range/>`	`"0.1,1,0.1"`	市值分组
`<group/>`	`industry`, `sector`, `subindustry`	行业分组

TPL-503: 回归中性化

模板: regression_neut(<alpha/>, <factor/>)

占位符	可选值	说明
`<alpha/>`	主信号	原始Alpha
`<factor/>`	`log(cap)`, `ts_ir(returns, 126)`, `ts_std_dev(returns, 22)`	待剥离因子

多层回归中性化:

模板: regression_neut(regression_neut(<alpha/>, <factor1/>), <factor2/>)

TPL-504: 中性化顺序优化

模板:
a = ts_zscore(<field/>, <d/>);
a1 = group_neutralize(a, <group/>);
a2 = group_neutralize(a1, bucket(rank(cap), range="<range/>"))

占位符	可选值	说明
`<field/>`	任意数据字段	主信号
`<d/>`	`252`	zscore窗口
`<group/>`	`industry`, `subindustry`	行业分组
`<range/>`	`"0.1,1,0.1"`	市值分组

说明: 先行业中性化再市值中性化，与反向顺序效果可能不同

TPL-505: sta1分组中性化

模板: group_neutralize(<alpha/>, sta1_top3000c20)

说明: 使用预定义的sta1分组进行中性化

第七部分：条件交易模板 (TPL-601 ~ TPL-620)

TPL-601: 流动性过滤

模板: trade_when(volume > adv20 * <threshold/>, <alpha/>, -1)

占位符	可选值	说明
`<threshold/>`	`0.618`, `0.5`, `1`	流动性阈值
`<alpha/>`	主信号	原始Alpha

反向流动性:

trade_when(volume < adv20, <alpha/>, -1)

TPL-602: 波动率过滤

模板: trade_when(ts_rank(ts_std_dev(returns, <d1/>), <d2/>) < <threshold/>, <alpha/>, -1)

占位符	可选值	说明
`<d1/>`	`5`, `10`, `22`	波动计算窗口
`<d2/>`	`126`, `180`, `252`	排名窗口
`<threshold/>`	`0.8`, `0.9`	波动率阈值
`<alpha/>`	主信号	原始Alpha

TPL-603: 极端收益过滤

模板: trade_when(abs(returns) < <entry/>, <alpha/>, abs(returns) > <exit/>)

占位符	可选值	说明
`<entry/>`	`0.075`, `0.05`	入场阈值
`<exit/>`	`0.1`, `0.095`	出场阈值
`<alpha/>`	主信号	原始Alpha

TPL-604: 市值过滤

模板: trade_when(rank(cap) > <threshold/>, <alpha/>, -1)

占位符	可选值	说明
`<threshold/>`	`0.3`, `0.5`	市值排名阈值
`<alpha/>`	主信号	原始Alpha

TPL-605: 触发条件交易

模板:
triggerTradeexp = (ts_arg_max(volume, <d/>) < 1) && (volume > ts_sum(volume, <d/>)/<d/>);
triggerExitexp = -1;
trade_when(triggerTradeexp, <alpha/>, triggerExitexp)

占位符	可选值	说明
`<d/>`	`5`, `10`	判断窗口
`<alpha/>`	`-rank(ts_delta(close, 2))`	主信号

TPL-606: 组合条件交易

模板:
my_group2 = bucket(rank(cap), range="0,1,0.1");
trade_when(volume > adv20, group_neutralize(<alpha/>, my_group2), -1)

占位符	可选值	说明
`<alpha/>`	复合信号	主信号

TPL-607: 条件排名交易

模板:
a = <ts_op/>(<field/>, <d/>);
trade_when(rank(a) > <threshold_low/>, -zscore(<field2/>)*a, <threshold_high/>-rank(a))

占位符	可选值	说明
`<ts_op/>`	`ts_rank`, `ts_zscore`	时序操作
`<field/>`	任意字段	条件字段
`<field2/>`	任意字段	信号字段
`<d/>`	`25`, `66`	窗口
`<threshold_low/>`	`0.03`, `0.1`	下阈值
`<threshold_high/>`	`0.25`, `0.5`	上阈值

第八部分：复合多因子模板 (TPL-701 ~ TPL-720)

TPL-701: 三因子乘积

模板:
my_group = market;
rank(
group_rank(<ts_op1/>(<field1/>, <d1/>), my_group) *
group_rank(<ts_op2/>(<field2/>, <d2/>), my_group) *
group_rank(<ts_op3/>(<field3/>, <d3/>), my_group)
)

占位符	可选值	说明
`<ts_op1/>`	`ts_decay_linear`, `ts_rank`	第一因子操作
`<ts_op2/>`	`ts_rank`, `ts_zscore`	第二因子操作
`<ts_op3/>`	`-ts_delta`	第三因子操作(反转)
`<field1/>`	`volume/ts_sum(volume, 252)`	成交量趋势
`<field2/>`	`vec_avg({Fundamental})`	基本面信号
`<field3/>`	`close`	价格信号
`<d1/>`, `<d2/>`, `<d3/>`	各因子窗口	时间参数

TPL-702: 波动率条件反转

模板:
vol = ts_std_dev(<ret_field/>, <d/>);
vol_mean = group_mean(vol, 1, market);
flip_ret = if_else(vol < vol_mean, -<ret_field/>, <ret_field/>);
-ts_mean(flip_ret, <d/>)

占位符	可选值	说明
`<ret_field/>`	`returns`, `close/open-1`	收益字段
`<d/>`	`20`, `22`	窗口参数

说明: 低波动环境做反转，高波动环境做动量

TPL-703: 恐惧指标组合

模板:
fear = ts_mean(
abs(returns - group_mean(returns, 1, market)) /
(abs(returns) + abs(group_mean(returns, 1, market)) + 0.1),
<d/>
);
-group_neutralize(fear * <signal/>, bucket(rank(cap), range="0.1,1,0.1"))

占位符	可选值	说明
`<d/>`	`20`, `22`	恐惧指标窗口
`<signal/>`	主信号表达式	待组合信号

TPL-704: 债务杠杆相关性

模板: group_neutralize(ts_zscore(<leverage_field/>, <d1/>) * ts_corr(<leverage_field/>, returns, <d2/>), sector)

占位符	可选值	说明
`<leverage_field/>`	`debt_to_equity`, `debt/assets`	杠杆字段
`<d1/>`	`60`, `126`	zscore窗口
`<d2/>`	`20`, `66`	相关性窗口

TPL-705: 模型数据信号

模板: -<model_field/>

占位符	可选值	说明
`<model_field/>`	`mdl175_01dtsv`, `mdl175_01icc`	模型字段

带排名版:

rank(group_rank(ts_rank(ts_backfill(<model_field/>, 5), 5), sta1_top3000c20))

TPL-706: 回归zscore模板

模板: ts_regression(ts_zscore(<field1/>, <d/>), ts_zscore(<field2/>, <d/>), <d/>)

占位符	可选值	说明
`<field1/>`	MATRIX字段	Y变量
`<field2/>`	MATRIX字段或vec_sum(VECTOR)	X变量
`<d/>`	`252`, `500`, `504`	回归窗口

TPL-707: 分组Delta模板

模板: group_neutralize(ts_delta(<field/>, <d/>), sector)

占位符	可选值	说明
`<field/>`	任意数据字段	主字段
`<d/>`	`22`, `66`, `126`	差分窗口

第九部分：数据预处理模板 (TPL-801 ~ TPL-815)

TPL-801: Winsorize截断

模板: winsorize(<field/>, std=<std/>)

占位符	可选值	说明
`<field/>`	任意字段	原始数据
`<std/>`	`3`, `4`, `5`	截断标准差

TPL-802: Sigmoid归一化

模板: sigmoid(<ts_op/>(<field/>, <d/>))

占位符	可选值	说明
`<ts_op/>`	`ts_zscore`, `ts_ir`, `ts_rank`	时序操作
`<field/>`	任意字段	原始数据
`<d/>`	`22`, `66`, `252`	窗口

TPL-803: 数据回填

模板: ts_backfill(<field/>, <d/>)

占位符	可选值	说明
`<field/>`	低频数据字段	需要回填的字段
`<d/>`	`115`, `120`, `180`, `252`	回填窗口

TPL-804: 条件替换

模板: if_else(is_not_nan(<field/>), <field/>, <alternative/>)

占位符	可选值	说明
`<field/>`	主字段	可能有NaN的字段
`<alternative/>`	替代字段或值	NaN时的替代

TPL-805: 极端值替换

模板: tail(tail(<field/>, lower=<low/>, upper=<high/>, newval=<low/>), lower=-<high/>, upper=-<low/>, newval=-<low/>)

占位符	可选值	说明
`<field/>`	任意字段	原始数据
`<low/>`	`0.25`, `0.1`	下界
`<high/>`	`100`, `1000`	上界

TPL-806: 组合预处理

模板: <ts_op/>(winsorize(ts_backfill(<field/>, <d_backfill/>), std=<std/>), <d/>)

占位符	可选值	说明
`<ts_op/>`	`ts_rank`, `ts_zscore`, `ts_mean`	时序操作
`<field/>`	低频字段	需要处理的字段
`<d_backfill/>`	`120`, `180`	回填窗口
`<std/>`	`4`	winsorize参数
`<d/>`	`22`, `66`	操作窗口

TPL-807: ts_min/ts_max替代

模板: ts_backfill(if_else(ts_arg_min(<field/>, <d/>) == 0, <field/>, nan), 120)

占位符	可选值	说明
`<field/>`	任意字段	原始数据
`<d/>`	`22`, `66`, `126`	窗口

说明: 当ts_min/ts_max不可用时的替代方案

第十部分：高级统计模板 (TPL-901 ~ TPL-920)

TPL-901: 高阶矩模板 (ts_moment)

模板: <ts_op/>(<group_op/>(ts_moment(<field/>, <d/>, k=<k/>), <group/>))

占位符	可选值	说明
`<ts_op/>`	`rank`, `zscore`, `sigmoid`	标准化操作
`<group_op/>`	`group_rank`, `group_zscore`	分组操作
`<field/>`	任意MATRIX字段	数据字段
`<d/>`	`22`, `66`, `126`	窗口
`<k/>`	`2`, `3`, `4`	k=2方差, k=3偏度, k=4峰度

说明: ts_moment(x, d, k)计算k阶中心矩

TPL-902: 协偏度/协峰度模板

模板: <group_op/>(ts_co_skewness(<field1/>, <field2/>, <d/>), <group/>)

占位符	可选值	说明
`<group_op/>`	`group_rank`, `group_zscore`	分组操作
`<field1/>`	`returns`, `close`	第一变量
`<field2/>`	`volume`, `vwap`	第二变量
`<d/>`	`66`, `126`, `252`	窗口

协峰度版:

模板: <group_op/>(ts_co_kurtosis(<field1/>, <field2/>, <d/>), <group/>)

TPL-903: 偏相关模板 (ts_partial_corr)

模板: group_rank(ts_partial_corr(<field1/>, <field2/>, <control/>, <d/>), <group/>)

占位符	可选值	说明
`<field1/>`	`returns`, 收益相关	Y变量
`<field2/>`	任意字段	X变量
`<control/>`	`group_mean(returns, 1, market)`	控制变量(市场收益)
`<d/>`	`60`, `126`, `252`	窗口
`<group/>`	`sector`, `industry`	分组

说明: 计算两变量偏相关，控制第三变量影响

TPL-904: 三元相关模板 (ts_triple_corr)

模板: group_rank(ts_triple_corr(<field1/>, <field2/>, <field3/>, <d/>), <group/>)

占位符	可选值	说明
`<field1/>`	`returns`	第一变量
`<field2/>`	`volume`	第二变量
`<field3/>`	基本面字段	第三变量
`<d/>`	`60`, `126`	窗口
`<group/>`	`sector`, `industry`	分组

TPL-905: Theil-Sen回归模板

模板: group_rank(ts_theilsen(<field1/>, <field2/>, <d/>), <group/>)

占位符	可选值	说明
`<field1/>`	任意MATRIX字段	Y变量
`<field2/>`	任意MATRIX字段或`ts_step(1)`	X变量
`<d/>`	`126`, `252`, `500`	窗口
`<group/>`	`sector`, `industry`	分组

说明: Theil-Sen回归比普通回归更鲁棒

TPL-906: 多项式回归残差

模板: ts_poly_regression(<field1/>, <field2/>, <d/>, k=<k/>)

占位符	可选值	说明
`<field1/>`	Y变量	被解释变量
`<field2/>`	X变量	解释变量
`<d/>`	`126`, `252`	窗口
`<k/>`	`1`, `2`, `3`	多项式阶数, k=2为二次回归

说明: 返回 y - Ey (残差)

TPL-907: 向量中性化模板

模板: ts_vector_neut(<alpha/>, <risk_factor/>, <d/>)

占位符	可选值	说明
`<alpha/>`	主信号	待中性化Alpha
`<risk_factor/>`	`returns`, `cap`	风险因子
`<d/>`	`22`, `66`, `126`	窗口(不宜过长，计算慢)

分组向量中性化:

模板: group_vector_neut(<alpha/>, <risk_factor/>, <group/>)

TPL-908: 加权衰减模板

模板: group_neutralize(ts_weighted_decay(<alpha/>, k=<k/>), <group/>)

占位符	可选值	说明
`<alpha/>`	主信号	待衰减Alpha
`<k/>`	`0.3`, `0.5`, `0.7`	衰减系数
`<group/>`	`bucket(rank(cap), range="0.1,1,0.1")`	分组

TPL-909: 回归斜率模板

模板: ts_regression(ts_zscore(<field/>, <d/>), ts_step(1), <d/>, rettype=2)

占位符	可选值	说明
`<field/>`	任意MATRIX字段	数据字段
`<d/>`	`252`, `500`	窗口

说明: rettype=2返回斜率，用于检测趋势

TPL-910: 最小最大压缩模板

模板: ts_min_max_cps(<field/>, <d/>, f=<f/>)

占位符	可选值	说明
`<field/>`	任意字段	数据字段
`<d/>`	`22`, `66`, `126`	窗口
`<f/>`	`2`, `0.5`	压缩因子

等价公式: x - f * (ts_min(x, d) + ts_max(x, d))

第十一部分：事件驱动模板 (TPL-1001 ~ TPL-1020)

TPL-1001: 数据变化天数模板

模板: if_else(days_from_last_change(<field/>) == <days/>, <alpha/>, nan)

占位符	可选值	说明
`<field/>`	基本面字段	监测变化的字段
`<days/>`	`1`, `2`, `5`	距离变化的天数
`<alpha/>`	`ts_delta(close, 5)`, 主信号	事件触发时的Alpha

动态衰减版:

模板: <alpha/> / (1 + days_from_last_change(<field/>))

TPL-1002: 最近差值模板

模板: <ts_op/>(last_diff_value(<field/>, <d/>), <d2/>)

占位符	可选值	说明
`<ts_op/>`	`ts_rank`, `ts_zscore`	时序操作
`<field/>`	任意字段	数据字段
`<d/>`	`60`, `90`, `120`	回溯窗口
`<d2/>`	`22`, `66`	操作窗口

说明: 返回过去d天内最近一次不同于当前值的历史值

TPL-1003: 缺失值计数模板

模板: -ts_count_nans(ts_backfill(<field/>, <d1/>), <d2/>)

占位符	可选值	说明
`<field/>`	分析师数据等	可能有缺失的字段
`<d1/>`	`5`, `10`	回填窗口
`<d2/>`	`20`, `30`	计数窗口

应用: 分析师覆盖度信号，缺失越少覆盖越好

TPL-1004: 位置最大/最小模板

模板: if_else(ts_arg_max(<field/>, <d/>) == <position/>, <alpha/>, nan)

占位符	可选值	说明
`<field/>`	`volume`, 任意字段	监测字段
`<d/>`	`5`, `10`	窗口
`<position/>`	`0`, `1`	0表示今天是最大值
`<alpha/>`	主信号	条件满足时的Alpha

组合条件:

模板: (ts_arg_max(<field1/>, <d/>) == ts_arg_max(<field2/>, <d/>)) * (<alpha1/> + <alpha2/>)

TPL-1005: 财报发布事件模板

模板:
event_signal = if_else(ts_delta(<fundamental_field/>, 1) != 0, <alpha/>, nan);
ts_decay_linear(event_signal, <decay_d/>)

占位符	可选值	说明
`<fundamental_field/>`	`assets`, `sales`, `eps`	基本面字段
`<alpha/>`	`ts_delta(close, 5)`, 主信号	事件Alpha
`<decay_d/>`	`10`, `22`	衰减窗口

TPL-1006: 动态Decay事件驱动

模板:
decay_weight = 1 / (1 + days_from_last_change(<event_field/>));
<alpha/> * decay_weight

占位符	可选值	说明
`<event_field/>`	任意字段	事件触发字段
`<alpha/>`	主信号	原始Alpha

TPL-1007: 盈利公告模板

模板:
surprise = <actual_field/> - <estimate_field/>;
if_else(days_from_last_change(<actual_field/>) < <window/>, surprise, nan)

占位符	可选值	说明
`<actual_field/>`	`eps`	实际值
`<estimate_field/>`	`vec_avg(anl4_eps_mean)`	预测值
`<window/>`	`5`, `10`	事件有效窗口

第十二部分：信号处理模板 (TPL-1101 ~ TPL-1120)

TPL-1101: 黄金比例幂变换

模板: signed_power(<alpha/>, 0.618)

占位符	可选值	说明
`<alpha/>`	主信号表达式	原始Alpha

其他幂次:

signed_power(<alpha/>, 0.5)   # 平方根
signed_power(<alpha/>, 2)     # 平方增强

TPL-1102: 尾部截断模板

模板: right_tail(<alpha/>, minimum=<min/>)

占位符	可选值	说明
`<alpha/>`	主信号	原始Alpha
`<min/>`	`0`, `0.1`	最小阈值

左尾版:

模板: left_tail(<alpha/>, maximum=<max/>)

TPL-1103: Clamp边界限制

模板: clamp(<alpha/>, lower=<low/>, upper=<high/>)

占位符	可选值	说明
`<alpha/>`	主信号	原始Alpha
`<low/>`	`-1`, `-0.5`	下界
`<high/>`	`1`, `0.5`	上界

TPL-1104: 分数映射模板

模板: fraction(<alpha/>)

占位符	可选值	说明
`<alpha/>`	主信号	原始Alpha

说明: 将连续变量映射到分布内的相对位置

TPL-1105: NaN外推模板

模板: nan_out(<field/>, lower=<low/>, upper=<high/>)

占位符	可选值	说明
`<field/>`	任意字段	数据字段
`<low/>`	`-3`, `-5`	下界
`<high/>`	`3`, `5`	上界

说明: 将超出范围的值替换为NaN

TPL-1106: Purify数据清洗

模板: purify(<field/>)

占位符	可选值	说明
`<field/>`	任意字段	需要清洗的数据

说明: 自动化数据清洗，减少噪声和异常值

TPL-1107: 条件保留模板

模板: keep(<field/>, <condition/>, period=<d/>)

占位符	可选值	说明
`<field/>`	任意字段	数据字段
`<condition/>`	`<field/> > 0`	保留条件
`<d/>`	`3`, `5`, `10`	滚动窗口

示例:

keep(returns, returns > 0, period=3)  # 只保留正收益

TPL-1108: 缩放降维模板

模板: -scale_down(<ts_op/>(<field/>, <d1/>), constant=<c/>)

占位符	可选值	说明
`<ts_op/>`	`ts_mean`, `ts_rank`	时序操作
`<field/>`	`returns`, 任意字段	数据字段
`<d1/>`	`2`, `5`	窗口
`<c/>`	`0.1`, `0.05`	缩放常数

TPL-1109: Truncate截断模板

模板: truncate(<alpha/>, maxPercent=<percent/>)

占位符	可选值	说明
`<alpha/>`	主信号	原始Alpha
`<percent/>`	`0.01`, `0.05`	截断百分比

TPL-1110: 组合Normalize模板

模板: group_normalize(<alpha/>, <group/>)

占位符	可选值	说明
`<alpha/>`	主信号	原始Alpha
`<group/>`	`sector`, `industry`	分组

等价公式: alpha / group_sum(abs(alpha), group)

第十三部分：Turnover控制模板 (TPL-1201 ~ TPL-1215)

TPL-1201: 目标换手率Hump

模板: ts_target_tvr_hump(<alpha/>, lambda_min=0, lambda_max=1, target_tvr=<target/>)

占位符	可选值	说明
`<alpha/>`	主信号	原始Alpha
`<target/>`	`0.1`, `0.15`, `0.2`	目标换手率

TPL-1202: Delta限制换手率

模板: ts_target_tvr_delta_limit(<alpha/>, <factor/>, lambda_min=0, lambda_max=1, target_tvr=<target/>)

占位符	可选值	说明
`<alpha/>`	主信号	原始Alpha
`<factor/>`	辅助因子	限制因子
`<target/>`	`0.1`, `0.15`	目标换手率

TPL-1203: Hump衰减组合

模板: hump_decay(<alpha/>, hump=<h/>)

占位符	可选值	说明
`<alpha/>`	主信号	原始Alpha
`<h/>`	`0.001`, `0.01`	Hump参数

嵌套版:

hump(hump_decay(<alpha/>, hump=0.001))

TPL-1204: 平均+Hump模板

模板: -ts_mean(ts_target_tvr_hump(group_rank(<field/>, country), lambda_min=0, lambda_max=1, target_tvr=<target/>), <d/>)

占位符	可选值	说明
`<field/>`	任意字段	数据字段
`<target/>`	`0.1`	目标换手率
`<d/>`	`5`, `10`	平均窗口

TPL-1205: 简单Hump模板

模板: hump(<alpha/>, hump=<h/>)

占位符	可选值	说明
`<alpha/>`	主信号	原始Alpha
`<h/>`	`0.01`, `0.001`, `0.0001`	Hump参数

示例:

hump(-ts_delta(close, 5), hump=0.01)

第十四部分：回填与覆盖模板 (TPL-1301 ~ TPL-1315)

TPL-1301: 分组回填模板

模板: group_backfill(<field/>, <group/>)

占位符	可选值	说明
`<field/>`	任意字段	需要回填的字段
`<group/>`	`sector`, `industry`, `market`	分组字段

说明: 使用组内最近值填充NaN

TPL-1302: 嵌套回填排名

模板: rank(group_backfill(<field/>, <group/>))

占位符	可选值	说明
`<field/>`	任意字段	数据字段
`<group/>`	`sector`, `industry`	分组

TPL-1303: 覆盖度过滤

模板: group_count(is_nan(<field/>), market) > <threshold/> ? <alpha/> : nan

占位符	可选值	说明
`<field/>`	任意字段	检测字段
`<threshold/>`	`40`, `50`	最小覆盖数
`<alpha/>`	主信号	原始Alpha

TPL-1304: NaN替换模板

模板: if_else(is_not_nan(<field/>), <field/>, <default/>)

占位符	可选值	说明
`<field/>`	任意字段	数据字段
`<default/>`	`0`, `0.5`, `nan`	默认值

TPL-1305: 综合数据清洗

模板: <ts_op/>(winsorize(group_backfill(ts_backfill(<field/>, <d1/>), <group/>), std=<std/>), <d2/>)

占位符	可选值	说明
`<ts_op/>`	`ts_rank`, `ts_zscore`	时序操作
`<field/>`	低频字段	数据字段
`<d1/>`	`120`, `180`	时序回填窗口
`<group/>`	`sector`, `industry`	分组回填
`<std/>`	`4`	winsorize参数
`<d2/>`	`66`, `126`	操作窗口

第十五部分：组合提取模板 (TPL-1401 ~ TPL-1415)

TPL-1401: group_extra填补模板

模板: group_extra(<field/>, <weight/>, <group/>)

占位符	可选值	说明
`<field/>`	任意字段	数据字段
`<weight/>`	`0.5`, `1`	权重
`<group/>`	`densify(industry)`, `sector`	分组

说明: 用组均值填补缺失值

TPL-1402: 组合提取sigmoid

模板: scale(group_extra(ts_sum(sigmoid(ts_backfill(<field/>, <d1/>)), <d2/>) - ts_sum(sigmoid(ts_backfill(<field/>, <d1/>)), <d2/>), 0.5, densify(industry)))

占位符	可选值	说明
`<field/>`	任意字段	数据字段
`<d1/>`	`180`	回填窗口
`<d2/>`	`3`	求和窗口

TPL-1403: PnL反馈模板

模板: if_else(inst_pnl(<alpha/>) > <threshold/>, <alpha/>, nan)

占位符	可选值	说明
`<alpha/>`	主信号	原始Alpha
`<threshold/>`	`0`, `-0.05`	PnL阈值

说明: 基于单标的PnL进行条件交易

TPL-1404: 流动性加权模板

模板: <alpha/> * log(volume)

占位符	可选值	说明
`<alpha/>`	主信号	原始Alpha

说明: 将仓位偏向高流动性股票

TPL-1405: 市值回归中性化

模板: regression_neut(<alpha/>, log(cap))

占位符	可选值	说明
`<alpha/>`	主信号	原始Alpha

说明: 剥离市值因子影响

第十六部分：百分位与分位数模板 (TPL-1501 ~ TPL-1510)

TPL-1501: 时序百分位模板

模板: ts_percentage(<field/>, <d/>, percentage=<p/>)

占位符	可选值	说明
`<field/>`	任意字段	数据字段
`<d/>`	`22`, `66`, `126`	窗口
`<p/>`	`0.5`, `0.25`, `0.75`	百分位

TPL-1502: 分位数模板

模板: <ts_op/>(ts_quantile(<field/>, <d/>, <q/>), <d2/>)

占位符	可选值	说明
`<ts_op/>`	`rank`, `zscore`	标准化
`<field/>`	任意字段	数据字段
`<d/>`	`66`, `126`	窗口
`<q/>`	`0.25`, `0.5`, `0.75`	分位数
`<d2/>`	`22`	操作窗口

TPL-1503: Max-Min比率模板

模板: ts_max_diff(<field/>, <d/>) / ts_av_diff(<field/>, <d/>)

占位符	可选值	说明
`<field/>`	任意字段	数据字段
`<d/>`	`22`, `66`	窗口

TPL-1504: 中位数模板

模板: <field/> - ts_median(<field/>, <d/>)

占位符	可选值	说明
`<field/>`	任意字段	数据字段
`<d/>`	`22`, `66`, `252`	窗口

TPL-1505: 累积乘积模板

模板: ts_product(1 + <ret_field/>, <d/>)

占位符	可选值	说明
`<ret_field/>`	`returns`, 收益率字段	收益字段
`<d/>`	`5`, `22`, `66`	窗口

说明: 计算累积收益

第十七部分：实战表达式模板 (TPL-1601 ~ TPL-1700)

说明: 以下模板从社区高票帖子中提取，为实际验证过的表达式格式。

TPL-1601: ts_max/ts_min替代公式

模板: {data} - ts_max_diff({data}, {d})                      # 等效于 ts_max
模板: (({data} - ts_max_diff({data}, {d})) * ts_scale({data}, {d}) - {data}) / (ts_scale({data}, {d}) - 1)  # 等效于 ts_min

占位符	可选值	说明
`{data}`	任意MATRIX字段	数据字段
`{d}`	`22`, `66`, `126`	窗口

应用: 当平台不支持ts_max/ts_min时的替代方案

TPL-1602: 线性衰减权重公式

模板: weight = {d} + ts_step(0); ts_sum({data} * weight, {d}) / ts_sum(weight, {d})  # 等效于 ts_decay_linear

占位符	可选值	说明
`{data}`	任意字段	数据字段
`{d}`	`10`, `22`, `66`	衰减窗口

TPL-1603: 组归一化公式

模板: {data} / group_sum(abs({data}), {group})  # 等效于 group_normalize

占位符	可选值	说明
`{data}`	任意字段	数据字段
`{group}`	`industry`, `sector`	分组字段

TPL-1604: IR+峰度组合模板

模板:
rank_data = rank({field});
ts_ir(rank_data, {d}) + ts_kurtosis(rank_data, {d})

占位符	可选值	说明
`{field}`	`volume`, `returns`, 任意字段	数据字段
`{d}`	`22`, `66`	窗口

说明: IR和峰度组合捕捉信号强度和分布特征

TPL-1605: VWAP相关性信号

模板: returns > -{threshold} ? (ts_ir(ts_corr(ts_returns(vwap, 1), ts_delay(group_neutralize({field}, market), {d1}), {d2}), {d2})) : -1

占位符	可选值	说明
`{field}`	任意数据字段	信号字段
`{threshold}`	`0.1`, `0.05`	收益过滤阈值
`{d1}`	`30`, `60`	延迟窗口
`{d2}`	`90`, `120`	相关性窗口

TPL-1606: 球队硬币因子 (ballteam_coin)

模板:
# 基础版
rank(ballteam_coin)

# 市值中性化版
group_neutralize(rank(ballteam_coin), bucket(rank(assets), range='0.1,1,0.1'))

说明: 经典球队vs硬币因子，用于捕捉收益持续性

TPL-1607: 偏度因子模板

模板: -group_rank(ts_skewness(returns, {d}), {group})

占位符	可选值	说明
`{d}`	`22`, `66`, `126`	偏度计算窗口
`{group}`	`sector`, `industry`	分组

说明: 负偏度股票往往表现更好

TPL-1608: 熵信号模板

模板: ts_zscore({field}, {d1}) * ts_entropy({field}, {d2})

占位符	可选值	说明
`{field}`	`returns`, 任意字段	信号字段
`{d1}`	`14`, `22`	zscore窗口
`{d2}`	`14`, `22`	熵窗口

说明: 结合标准化和不确定性度量

TPL-1609: 分析师动量短长差模板

模板: log(ts_mean(anl4_{data}_{stats}, {d_short})) - log(ts_mean(anl4_{data}_{stats}, {d_long}))

占位符	可选值	说明
`{data}`	`eps`, `revenue`, `netprofit`	分析师预测类型
`{stats}`	`mean`, `low`, `high`	统计量类型
`{d_short}`	`20`, `44`	短期窗口
`{d_long}`	`44`, `126`	长期窗口

TPL-1610: 目标换手率分组排名

模板: -ts_mean(ts_target_tvr_hump(group_rank({field}, country), lambda_min=0, lambda_max=1, target_tvr={target}), {d})

占位符	可选值	说明
`{field}`	任意字段	数据字段
`{target}`	`0.1`, `0.15`	目标换手率
`{d}`	`5`, `10`	平均窗口

TPL-1611: 最大差/均值差比率

模板: ts_max_diff({field}, {d}) / ts_av_diff({field}, {d})

占位符	可选值	说明
`{field}`	任意字段	数据字段
`{d}`	`22`, `66`	窗口

说明: 捕捉极端值相对于平均变化的幅度

TPL-1612: 模型数据三层嵌套

模板:
a = rank(group_rank(ts_rank(ts_backfill({model_field}, 5), 5), sta1_top3000c20));
trade_when(rank(a) > 0.03, -zscore(ts_zscore({model_field}, 25)) * a, 0.25 - rank(a))

占位符	可选值	说明
`{model_field}`	`mdl175_01icc`, `mdl175_01dtsv`	模型字段

TPL-1613: 量价触发条件交易

模板:
triggerTradeexp = (ts_arg_max(volume, {d}) < 1) && (volume > ts_sum(volume, {d}) / {d});
triggerExitexp = -1;
alphaexp = -rank(ts_delta(close, 2));
trade_when(triggerTradeexp, alphaexp, triggerExitexp)

占位符	可选值	说明
`{d}`	`5`, `10`	窗口

说明: 今日成交量为近期最大且高于均值时交易

TPL-1614: 情绪成交量交易

模板:
sent_vol = vec_sum(scl12_alltype_buzzvec);
trade_when(rank(sent_vol) > 0.95, -zscore(scl12_buzz) * sent_vol, -1)

说明: 高情绪量时反向交易情绪

TPL-1615: 双层中性化模板

模板:
a = ts_zscore({field}, 252);
a1 = group_neutralize(a, industry);
a2 = group_neutralize(a1, bucket(rank(cap), range='0.1,1,0.1'))

占位符	可选值	说明
`{field}`	任意字段	数据字段

说明: 先行业后市值的双重中性化

TPL-1616: 相关性计算公式

模板:
a = {field1};
b = {field2};
p = {d};
c = ts_mean(ts_av_diff(a, p) * ts_av_diff(b, p), p);
c / ts_std_dev(a, p) / ts_std_dev(b, p)  # 近似 ts_corr

占位符	可选值	说明
`{field1}`	`close`, `returns`	第一字段
`{field2}`	`volume`, `open`	第二字段
`{d}`	`5`, `22`	窗口

TPL-1617: 回归中性化双因子

模板:
afr = vec_avg({analyst_field});
short_mom = ts_mean(returns - group_mean(returns, 1, market), {d_short});
long_mom = ts_delay(ts_mean(returns - group_mean(returns, 1, market), {d_long}), {d_long});
regression_neut(regression_neut(afr, short_mom), long_mom)

占位符	可选值	说明
`{analyst_field}`	分析师VECTOR字段	分析师数据
`{d_short}`	`5`, `10`	短期动量窗口
`{d_long}`	`20`, `22`	长期动量窗口

说明: 剥离短期和长期动量后的分析师因子

TPL-1618: 回归斜率趋势检测

模板: ts_regression(ts_zscore({field}, {d}), ts_step(1), {d}, rettype=2)

占位符	可选值	说明
`{field}`	任意MATRIX字段	数据字段
`{d}`	`252`, `500`	窗口

说明: rettype=2返回回归斜率，检测长期趋势

TPL-1619: 三因子乘积组合

模板:
my_group = market;
rank(
group_rank(ts_decay_linear(volume / ts_sum(volume, 252), 10), my_group) *
group_rank(ts_rank(vec_avg({fundamental}), {d}), my_group) *
group_rank(-ts_delta(close, 5), my_group)
)

占位符	可选值	说明
`{fundamental}`	基本面VECTOR字段	基本面数据
`{d}`	`252`, `504`	排名窗口

说明: 成交量趋势 × 基本面排名 × 价格反转

TPL-1620: 波动率条件反转

模板:
vol = ts_std_dev(returns, {d});
vol_mean = group_mean(vol, 1, market);
flip_ret = if_else(vol < vol_mean, -returns, returns);
-ts_mean(flip_ret, {d})

占位符	可选值	说明
`{d}`	`20`, `22`	窗口

说明: 低波动做反转，高波动做动量

TPL-1621: 恐惧指标复合

模板:
fear = ts_mean(
abs(returns - group_mean(returns, 1, market)) /
(abs(returns) + abs(group_mean(returns, 1, market)) + 0.1),
{d}
);
-group_neutralize(fear * {signal}, bucket(rank(cap), range='0.1,1,0.1'))

占位符	可选值	说明
`{d}`	`20`, `22`	窗口
`{signal}`	主信号	待组合信号

TPL-1622: 财务质量单因子

模板: group_neutralize(rank({fundamental_field}), bucket(rank(cap), range='0,1,0.1'))

占位符	可选值	说明
`{fundamental_field}`	`roe`, `roa`, `net_income/assets`	财务质量指标

TPL-1623: 老虎哥回归模板

模板: group_rank(ts_regression(ts_zscore({field1}, {d}), ts_zscore(vec_sum({field2}), {d}), {d}), densify(sector))

占位符	可选值	说明
`{field1}`	任意MATRIX字段	Y变量
`{field2}`	任意VECTOR字段	X变量
`{d}`	`252`, `504`	回归窗口

TPL-1624: 综合数据清洗模板

模板: ts_decay_linear(-densify(zscore(winsorize(ts_backfill({field}, 115), std=4))), 10)

占位符	可选值	说明
`{field}`	低频字段如 `anl4_adjusted_netincome_ft`	需要处理的字段

TPL-1625: 延迟最大值位置模板

模板: ts_max({field}, {d}) = ts_delay({field}, ts_arg_max({field}, {d}))  # 等效公式

占位符	可选值	说明
`{field}`	任意字段	数据字段
`{d}`	`22`, `66`	窗口

TPL-1626: 数据探索通用模板

模板: zscore(ts_delta(rank(ts_zscore({field}, {d1})), {d2}))

占位符	可选值	说明
`{field}`	任意MATRIX字段	待探索数据字段
`{d1}`	`60`, `126`, `252`	zscore窗口
`{d2}`	`5`, `10`, `22`	delta窗口

说明: 顾问推荐的新数据探索模板，可替换op和时间参数

TPL-1627: 自定义衰减权重模板

模板:
weight = {d} + ts_step(0);                       # 线性递增权重
ts_sum({data} * weight, {d}) / ts_sum(weight, {d})  # 加权平均

# 替代版 (ts_step递减)
ts_sum({alpha} * ts_step(1), {d}) / ts_sum(ts_step(1), {d})

占位符	可选值	说明
`{data}`	任意字段	数据字段
`{alpha}`	主信号	原始Alpha
`{d}`	`10`, `22`, `66`	衰减窗口

说明: 当没有ts_decay_linear权限时的替代方案

TPL-1628: log_diff相对增长模板

模板: group_rank(log_diff({field}), {group})

占位符	可选值	说明
`{field}`	财务指标如 `sales`, `eps`, `assets`	数据字段
`{group}`	`sector`, `industry`	分组

说明: 检测相对增长率，对乘性变化更敏感

TPL-1629: ts_product累积收益模板

模板: group_rank(ts_product(1 + {ret_field}, {d}), {group})

占位符	可选值	说明
`{ret_field}`	`returns`, 收益率字段	收益字段
`{d}`	`22`, `66`, `126`	窗口
`{group}`	`sector`, `industry`	分组

说明: 计算累积收益排名

TPL-1630: ts_percentage阈值模板

模板:
high_threshold = ts_percentage({field}, {d}, percentage=0.5);
low_threshold = ts_percentage({field}, {d}, percentage=0.5);
{signal}

占位符	可选值	说明
`{field}`	`close`, 价格字段	阈值计算字段
`{d}`	`22`, `66`	窗口
`{signal}`	主信号	条件信号

说明: 用于震荡带突破策略的阈值构建

TPL-1631: 动量反转切换模板

模板:
mom = ts_sum(returns, {d_long}) - ts_sum(returns, {d_short});
reversal = -ts_delta(close, {d_short});
if_else(ts_rank(ts_std_dev(returns, {d_short}), {d_long}) > 0.5, mom, reversal)

占位符	可选值	说明
`{d_short}`	`5`, `10`	短期窗口
`{d_long}`	`22`, `66`	长期窗口

说明: 高波动环境用动量，低波动环境用反转

TPL-1632: 市场收益率近似模板 (CHN)

模板:
value = rank(cap) > 0.9 ? cap : 0;
market_return = group_sum(returns * value, country) / group_sum(value, country);
market_return

说明: 用市值加权近似沪深300指数收益率，设置neutralization=NONE, decay=0

TPL-1633: Beta回归中性化模板

模板:
market_return = group_mean(returns, 1, market);
ts_regression({field}, market_return, {d})  # 返回残差(Y - E[Y])

占位符	可选值	说明
`{field}`	任意MATRIX字段	待中性化字段
`{d}`	`126`, `252`	回归窗口

说明: 使用一元线性回归剥离市场因子

TPL-1634: ts_moment高阶矩k值模板

模板: ts_moment({field}, {d}, k={k})

k=2: 方差 (等价于 ts_std_dev^2)
k=3: 偏度 (等价于 ts_skewness)
k=4: 峰度 (等价于 ts_kurtosis)

占位符	可选值	说明
`{field}`	任意MATRIX字段	数据字段
`{d}`	`22`, `66`, `126`	窗口
`{k}`	`2`, `3`, `4`	阶数

TPL-1635: 龙头股因子增强模板

模板: sigmoid(rank(star_pm_global_rank))

说明: 对龙头股因子进行sigmoid增强

TPL-1636: purify数据清洗嵌套模板

模板: group_rank(ts_rank(purify({field}), {d}), {group})

占位符	可选值	说明
`{field}`	任意字段	待清洗数据
`{d}`	`22`, `66`	排名窗口
`{group}`	`sector`, `industry`	分组

说明: purify自动化清洗异常值和噪声

TPL-1637: 理想振幅因子模板

模板:
amplitude = (high - low) / close;
ideal_amp = ts_percentage(amplitude, {d}, percentage=0.5);
group_rank(amplitude - ideal_amp, {group})

占位符	可选值	说明
`{d}`	`22`, `66`	百分位窗口
`{group}`	`sector`, `industry`	分组

说明: 实际振幅偏离理想振幅的程度

TPL-1638: 异同离差乖离率因子 (MACD风格)

模板:
ema_short = ts_decay_exp_window({field}, {d_short}, 0.9);
ema_long = ts_decay_exp_window({field}, {d_long}, 0.9);
dif = ema_short - ema_long;
ts_zscore(dif, {d_signal})

占位符	可选值	说明
`{field}`	`close`, 价格字段	数据字段
`{d_short}`	`12`, `22`	短期EMA窗口
`{d_long}`	`26`, `66`	长期EMA窗口
`{d_signal}`	`9`, `22`	信号线窗口

TPL-1639: 收益率条件筛选反转

模板:
high_ret = ts_rank(returns, {d1}) > 0.8;
low_ret = ts_rank(returns, {d1}) < 0.2;
if_else(high_ret, -returns, if_else(low_ret, returns, 0))

占位符	可选值	说明
`{d1}`	`22`, `66`	排名窗口

说明: 只对极端收益做反转

TPL-1640: 三阶模板优化版

模板: <group_op/>(<ts_op1/>(<ts_op2/>(<field/>, <d1/>), <d2/>), <group/>)

占位符	可选值	说明
`<group_op/>`	`group_rank`, `group_zscore`	外层分组操作
`<ts_op1/>`	`ts_rank`, `ts_delta`, `ts_mean`	中层时序操作
`<ts_op2/>`	`ts_zscore`, `ts_rank`, `ts_ir`	内层时序操作
`<field/>`	任意字段	数据字段
`<d1/>`	`60`, `126`, `252`	内层窗口
`<d2/>`	`5`, `22`, `66`	外层窗口
`<group/>`	`sector`, `industry`	分组

说明: 经典三阶嵌套结构，可灵活替换各层操作符

TPL-1641: ts_entropy信号检测模板

模板: ts_entropy({field}, {d})

占位符	可选值	说明
`{field}`	`returns`, `volume`, 任意MATRIX字段	数据字段
`{d}`	`14`, `22`, `66`	窗口

说明: 衡量时序数据的不确定性，高熵值表示更多随机性

TPL-1642: 熵+ZScore组合模板

模板: ts_zscore({field}, {d}) * ts_entropy({field}, {d})

占位符	可选值	说明
`{field}`	任意MATRIX字段	数据字段
`{d}`	`14`, `22`	窗口

说明: RSI超买超卖 + 熵不确定性组合，捕捉可能的修正

TPL-1643: ts_ir+ts_entropy信号组合

模板:
signal = ts_ir({field}, {d}) + ts_entropy({field}, {d});
group_rank(signal, {group})

占位符	可选值	说明
`{field}`	任意MATRIX字段	数据字段
`{d}`	`22`, `66`	窗口
`{group}`	`sector`, `industry`	分组

说明: IR(信息比率)和Entropy组合捕捉信号稳定性和分布特征

TPL-1644: trade_when市值过滤模板

模板: trade_when(rank(cap) > {threshold}, {alpha}, -1)

占位符	可选值	说明
`{threshold}`	`0.3`, `0.5`, `0.7`	市值排名阈值
`{alpha}`	主信号	原始Alpha

说明: 仅交易大市值股票，降低prod corr

TPL-1645: trade_when盈利过滤模板

模板: trade_when(eps > {threshold} * est_eps, group_rank((eps - est_eps)/est_eps, industry), -1)

占位符	可选值	说明
`{threshold}`	`1.0`, `1.1`, `1.2`	盈利超预期比例

说明: 只交易盈利超预期的股票

TPL-1646: trade_when量价触发模板

模板:
triggerTrade = (ts_arg_max(volume, {d}) < 1) && (volume > ts_sum(volume, {d})/{d});
trade_when(triggerTrade, {alpha}, -1)

占位符	可选值	说明
`{d}`	`5`, `10`	判断窗口
`{alpha}`	`-rank(ts_delta(close, 2))`	主信号

说明: 量价突破触发条件交易

TPL-1647: trade_when情绪量过滤模板

模板:
sent_vol = vec_sum({sentiment_vec});
trade_when(rank(sent_vol) > {threshold}, -zscore({sentiment_field}) * sent_vol, -1)

占位符	可选值	说明
`{sentiment_vec}`	`scl12_alltype_buzzvec` 等VECTOR字段	情绪向量
`{sentiment_field}`	`scl12_buzz`, `scl12_sentiment`	情绪字段
`{threshold}`	`0.9`, `0.95`	情绪量阈值

说明: 高情绪量时反向交易情绪

TPL-1648: bucket市值分组中性化模板

模板:
my_group2 = bucket(rank(cap), range='{range}');
group_neutralize({alpha}, my_group2)

占位符	可选值	说明
`{range}`	`'0,1,0.1'`, `'0.1,1,0.1'`	分桶范围
`{alpha}`	主信号	原始Alpha

说明: 按市值分桶进行中性化，去除规模效应

TPL-1649: group_zscore时序组合模板

模板: group_zscore(ts_ir({field}, {d}), {group})

占位符	可选值	说明
`{field}`	任意MATRIX字段	数据字段
`{d}`	`22`, `66`, `126`	IR窗口
`{group}`	`sector`, `industry`	分组

说明: 在分组内进行IR的Z-score标准化

TPL-1650: scale+rank+ts组合模板

模板: scale(rank(ts_zscore({field}, {d})))

占位符	可选值	说明
`{field}`	任意MATRIX字段	数据字段
`{d}`	`66`, `126`, `252`	窗口

说明: 多层标准化处理信号

TPL-1651: Betting Against Beta模板

模板:
market_return = group_mean(returns, 1, market);
beta = ts_regression(returns, market_return, {d}, rettype=2);
-group_rank(beta, industry)

占位符	可选值	说明
`{d}`	`126`, `252`	回归窗口

说明: 反Beta投注因子，做多低Beta股票

TPL-1652: 跳跃因子模板

模板:
jump_up = ts_count(returns > ts_std_dev(returns, {d}) * {threshold}, {d});
jump_down = ts_count(returns < -ts_std_dev(returns, {d}) * {threshold}, {d});
group_rank(jump_down - jump_up, {group})

占位符	可选值	说明
`{d}`	`22`, `66`	统计窗口
`{threshold}`	`2`, `2.5`, `3`	标准差倍数
`{group}`	`sector`, `industry`	分组

说明: 统计尾部跳跃事件的不对称性

TPL-1653: 量小换手率模板

模板:
turnover = volume / sharesout;
low_turnover = ts_percentage(turnover, {d}, percentage=0.2);
group_rank(turnover < low_turnover, {group})

占位符	可选值	说明
`{d}`	`22`, `66`	百分位窗口
`{group}`	`sector`, `industry`	分组

说明: 识别低换手率状态

TPL-1654: 隔夜收益因子模板

模板:
overnight_ret = open / ts_delay(close, 1) - 1;
group_rank(ts_mean(overnight_ret, {d}), {group})

占位符	可选值	说明
`{d}`	`5`, `22`, `66`	平均窗口
`{group}`	`sector`, `industry`	分组

说明: 隔夜"拉锯战"因子

TPL-1655: sta1分组三因子模板

模板:
a = rank(group_rank(ts_rank(ts_backfill({field1}, {d1}), {d2}), sta1_top3000c20));
trade_when(rank(a) > {threshold}, -zscore(ts_zscore({field2}, {d3})) * a, {exit_threshold} - rank(a))

占位符	可选值	说明
`{field1}`	任意字段	第一因子字段
`{field2}`	模型字段如`mdl175_01dtsv`	第二因子字段
`{d1}`, `{d2}`, `{d3}`	各窗口参数	时间窗口
`{threshold}`	`0.03`, `0.1`	入场阈值
`{exit_threshold}`	`0.25`, `0.5`	出场阈值

说明: 使用sta1预定义分组的复合策略

TPL-1656: macro泛化模板

模板: group_rank(ts_delta(ts_zscore({macro_field}, {d1}), {d2}), country)

占位符	可选值	说明
`{macro_field}`	宏观数据字段	宏观数据
`{d1}`	`126`, `252`	zscore窗口
`{d2}`	`5`, `22`	delta窗口

说明: 基于Labs分析macro的泛化模板

TPL-1657: ASI broker模板

模板:
signal = group_rank(ts_rank({broker_field}, {d}), market);
trade_when(volume > adv20, signal, -1)

占位符	可选值	说明
`{broker_field}`	broker数据字段	券商数据
`{d}`	`22`, `66`	排名窗口

说明: ASI区域broker因子，需设置max_trade=ON

TPL-1658: Earnings超预期模板

模板:
surprise = (actual_eps - est_eps) / abs(est_eps);
group_rank(ts_zscore(surprise, {d}), industry)

占位符	可选值	说明
`{d}`	`66`, `126`	zscore窗口

说明: 盈利超预期因子

TPL-1659: CCI技术指标模板

模板:
tp = (high + low + close) / 3;
cci = (tp - ts_mean(tp, {d})) / (0.015 * ts_mean(abs(tp - ts_mean(tp, {d})), {d}));
group_rank(-cci, {group})

占位符	可选值	说明
`{d}`	`14`, `20`	CCI窗口
`{group}`	`sector`, `industry`	分组

说明: 商品通道指数(CCI)反转策略

TPL-1660: 0.618黄金比例幂变换模板

模板:
power_signal = signed_power({field}, 0.618);
group_rank(ts_zscore(power_signal, {d}), {group})

占位符	可选值	说明
`{field}`	任意MATRIX字段	数据字段
`{d}`	`66`, `126`	zscore窗口
`{group}`	`sector`, `industry`	分组

说明: 使用黄金比例0.618进行幂次变换

附录A：标准时间窗口

窗口代号	天数	含义
`d_week`	5	一周
`d_month`	22	一月
`d_quarter`	66	一季度
`d_half`	126	半年
`d_year`	252	一年
`d_2year`	504	两年

使用规则:

反转因子: 短窗口 {3, 5, 22}
动量因子: 中窗口 {22, 66}
长期趋势: 长窗口 {126, 252, 504}
回归/波动: 超长窗口 {250, 500, 750}

附录B：常用操作符分类

时序操作符 `<ts_op/>`

操作符	用途
`ts_mean`	移动平均
`ts_rank`	时序排名
`ts_delta`	差分
`ts_std_dev`	移动标准差
`ts_ir`	信息比率
`ts_zscore`	时序Z-score
`ts_corr`	滚动相关性
`ts_regression`	滚动回归
`ts_decay_linear`	线性衰减
`ts_decay_exp_window`	指数衰减
`ts_sum`	滚动求和
`ts_backfill`	数据回填
`ts_arg_min`	最小值位置
`ts_arg_max`	最大值位置
`ts_max`	滚动最大值
`ts_min`	滚动最小值
`ts_delay`	延迟
`ts_moment`	k阶中心矩
`ts_co_skewness`	协偏度
`ts_co_kurtosis`	协峰度
`ts_partial_corr`	偏相关
`ts_triple_corr`	三元相关
`ts_theilsen`	Theil-Sen回归
`ts_poly_regression`	多项式回归残差
`ts_vector_neut`	向量中性化
`ts_weighted_decay`	加权衰减
`ts_min_max_cps`	最小最大压缩
`ts_max_diff`	与最大值差
`ts_av_diff`	与均值差
`ts_quantile`	分位数
`ts_percentage`	百分位
`ts_median`	中位数
`ts_product`	累积乘积
`ts_count_nans`	NaN计数
`ts_scale`	时序缩放
`ts_target_tvr_hump`	目标换手率Hump
`ts_target_tvr_delta_limit`	Delta换手率限制

分组操作符 `<group_op/>`

操作符	用途
`group_rank`	分组排名
`group_neutralize`	分组中性化
`group_zscore`	分组Z-score
`group_mean`	分组均值
`group_sum`	分组求和
`group_extra`	分组提取/填补
`group_backfill`	分组回填
`group_normalize`	分组归一化
`group_vector_neut`	分组向量中性化
`group_vector_proj`	分组向量投影
`group_count`	分组计数
`group_std_dev`	分组标准差

向量操作符 `<vec_op/>`

操作符	用途
`vec_avg`	向量平均
`vec_sum`	向量求和
`vec_max`	向量最大
`vec_min`	向量最小
`vec_stddev`	向量标准差
`vec_count`	向量计数
`vec_norm`	向量归一化
`vec_zscore`	向量Z-score
`vec_range`	向量范围

事件/时间操作符

操作符	用途
`days_from_last_change`	距离上次变化天数
`last_diff_value`	最近不同值
`ts_step`	时间步长

信号处理操作符

操作符	用途
`signed_power`	带符号幂变换
`clamp`	边界限制
`left_tail`	左尾截断
`right_tail`	右尾截断
`fraction`	分数映射
`nan_out`	NaN外推
`purify`	数据清洗
`keep`	条件保留
`scale_down`	缩放降维
`hump`	Hump平滑
`hump_decay`	Hump衰减

其他常用操作符

操作符	用途
`rank`	截面排名
`zscore`	截面Z-score
`sigmoid`	Sigmoid归一化
`winsorize`	极端值截断
`truncate`	截断
`tail`	尾部处理
`scale`	缩放
`filter`	过滤
`densify`	稠密化
`bucket`	分桶
`log`	对数
`abs`	绝对值
`if_else`	条件判断
`trade_when`	条件交易
`regression_neut`	回归中性化
`regression_proj`	回归投影
`is_nan`	NaN检测
`is_not_nan`	非NaN检测
`inst_pnl`	单标的PnL
`convert`	单位转换
`pasteurize`	去无效值

附录C：数据字段分类

量价类 `<pv_field/>`

close, open, high, low, vwap
returns, volume, adv20, sharesout, cap

基本面类 `<fundamental_field/>`

assets, sales, ebitda, net_income, eps, operating_income
goodwill, debt, cash, equity, gross_profit
fnd6_*, fnd72_*, mdl175_*, mdl163_*
debt_to_equity, roe, roa

分析师类 `<analyst_field/>` (VECTOR)

anl4_eps_mean, anl4_eps_low, anl4_eps_high
anl4_revenue_mean, anl4_fcf_value, anl4_netprofit_mean
anl4_adjusted_netincome_ft, anl4_bvps_flag
oth41_s_west_*, analyst_*

情绪类 `<sentiment_field/>`

scl12_sentiment, scl12_buzz, scl12_alltype_buzzvec
snt_value, snt_buzz, snt_buzz_ret, snt_buzz_bfl
nws18_relevance, nws18_ber
nws12_prez_result2, nws12_prez_short_interest
mws85_sentiment, mws46_mcv

期权类 `<option_field/>`

option8_*, option14_*
implied_volatility_call_120, implied_volatility_call_270
parkinson_volatility_120, parkinson_volatility_270
pcr_vol_10, pcr_vol_30
put_delta, call_delta, put_gamma, call_gamma
put_theta, call_theta, put_vega, call_vega
call_breakeven_10, put_breakeven_10

模型类 `<model_field/>`

mdl175_01dtsv, mdl175_01icc
mdl163_*, mdl*

分组类 `<group/>`

industry, sector, subindustry
market, country, exchange
sta1_top3000c20, sta1_*
pv13_*, pv27_*

105 KiB Raw Permalink Blame History