构建公式化 Alpha

简介

在量化交易实践中，设计能够解释和预测未来资产收益的新因子对于策略的盈利能力至关重要。这类因子通常被称为 Alpha 因子，或简称为 Alpha。

顾名思义，公式化 Alpha 是一种可以表示为公式或数学表达式的 Alpha。

在`Qlib`中构建公式化 Alpha

在Qlib中，用户可以轻松地构建公式化 Alpha。

示例

MACD（移动平均收敛/发散）是股票价格技术分析中使用的一种公式化 Alpha。它旨在揭示股票价格趋势的强度、方向、动量和持续时间的变化。

MACD可以用以下公式表示：

\[MACD = 2\times (DIF-DEA)\]

注意

DIF表示差值，即 12 周期 EMA 减去 26 周期 EMA。

\[DIF = \frac{EMA(CLOSE, 12) - EMA(CLOSE, 26)}{CLOSE}\]

DEA表示 DIF 的 9 周期 EMA。

\[DEA = \frac{EMA(DIF, 9)}{CLOSE}\]

用户可以使用数据处理器（Data Handler）在 qlib 中构建公式化 Alpha MACD：

注意

用户需要首先通过qlib.init初始化Qlib。请参考初始化。

>> from qlib.data.dataset.loader import QlibDataLoader
>> MACD_EXP = '(EMA($close, 12) - EMA($close, 26))/$close - EMA((EMA($close, 12) - EMA($close, 26))/$close, 9)/$close'
>> fields = [MACD_EXP] # MACD
>> names = ['MACD']
>> labels = ['Ref($close, -2)/Ref($close, -1) - 1'] # label
>> label_names = ['LABEL']
>> data_loader_config = {
..     "feature": (fields, names),
..     "label": (labels, label_names)
.. }
>> data_loader = QlibDataLoader(config=data_loader_config)
>> df = data_loader.load(instruments='csi300', start_time='2010-01-01', end_time='2017-12-31')
>> print(df)
                        feature     label
                           MACD     LABEL
datetime   instrument
2010-01-04 SH600000   -0.011547 -0.019672
           SH600004    0.002745 -0.014721
           SH600006    0.010133  0.002911
           SH600008   -0.001113  0.009818
           SH600009    0.025878 -0.017758
...                         ...       ...
2017-12-29 SZ300124    0.007306 -0.005074
           SZ300136   -0.013492  0.056352
           SZ300144   -0.000966  0.011853
           SZ300251    0.004383  0.021739
           SZ300315   -0.030557  0.012455

参考

欲了解有关数据加载器（Data Loader）的更多信息，请参阅数据加载器。

欲了解有关数据 API （Data API）的更多信息，请参阅数据 API

构建公式化 Alpha

简介

在Qlib中构建公式化 Alpha

示例

参考

在`Qlib`中构建公式化 Alpha