資源の読み込みに... 荷物...
  1. 消化する
  2. 議論
  3. Alpha101 の文法開発に基づいた強化分析ツール

Alpha101 の文法開発に基づいた強化分析ツール

作者: リン・ハーン優しさ, 作成日:2020-06-09 09:34:58, 更新日:2023-11-01 20:27:17

img

概要

FMZプラットフォームは"WorldQuant Alpha101"をベースとした取引要素分析ツールを開始し,定量的な取引戦略の開発者にとって新しい武器を提供します.分析要素を通じて,誰もが市場をよりよく理解し,金融市場の背後にある機会を洞察できるようにします.

アルファ101とは

img

Alpha101を紹介する前に,まず Alphaとは何かを理解しましょう. Alphaは過剰なリターンを指します. 例えば:100万株のインデックスファンドを購入し,常にそれを保持します. これは市場で被動的リターンを得るための Beta 戦略です. しかし,1000万ドルを使って10株を購入し,インデックスファンドを購入して10%多く稼ぐ場合,この10%は Alpha 過剰なリターンです. この Alpha 過剰なリターンを過小評価しないでください. 実際,ファンドマネージャーを含む市場のほとんどのトレーダーはインデックスに勝てないので,多くの人が Alpha のリターンを改善するために頭筋を磨いています. もちろん,優れたトレーダーやファンド会社もあります.

  • トレーディング戦略 過剰収益 = 消極的 (ベータ) 収益 + トレーディング (アルファ) 収益

2015年,データマイニングに長けている量的な取引ヘッジファンド"WorldQuant LLC"は,現在使用しているまたは使用している101つのアルファ表現を明らかにした"WorldQuant Formulaic 101 Alpha"研究報告書を発表した.その目的は,取引戦略開発者により多くのインスピレーションとアイデアを提供することです.多くの人々がWorldQuantが明らかにした要因に疑問を呈しました.なぜなら,結局のところ,中国の株式市場は外国株式市場とは異なります.しかし,これらの要因の多くは中国市場で依然として有効であることが判明しました. FMZプラットフォームはこれらの要素公式を複製し修正し,すべてのトレーダーに示しました.

Alpha101 の要因は?

研究報告では,アルファは3つのカテゴリーに分かれています. 価格因子,ボリューム因子,二極因子です.

  • 価格因数: 計算式では,開通価格,最高価格,最低価格,閉店価格などを含む価格のみを使用します.出力は特定の値です.

  • 量と価格因子: 計算式は量と価格を使用する. デザインのアイデアは価格の変化と取引量変化の関係を決定することであり,出力は特定の値である.

  • ディコトミー因数: 計算式は取引量と価格を使用する. 輸出が0または1であるを除いて,取引量と価格因数と同じである.

価格要因

工場名 要素式 FMZ 注記
アルファ#1 (rank ((ts*argmax ((signedpower (((((返信 < 0)? stddev ((返信 20): 終了), 2.), 5)) - 0.5) トレンド
アルファ#4 (-1 * ts_rank ((ランク ((低)) 9)) バック
アルファ#5 (ランク((オープン - (sum(vwap, 10) / 10))) * (-1 _ abs(rank(((close - vwap))))) バック
アルファ#8 (-1 _ ランク (((((sum ((open, 5) _ sum ((returns, 5)) -遅延 (((sum ((open, 5) * sum ((returns, 5)), 10)))) バック
アルファ#9 ((0 < ts*min(delta(close, 1), 5))?デルタ(close, 1) : ((ts_max(デルタ(close, 1), 5) < 0)?デルタ(close, 1) : (-1 *デルタ(close, 1)))) 逆転
アルファ#18 (-1 *ランク((((stddev(abs((((閉じる - オープン)), 5) + (閉じる - オープン)) +相関 (閉じる,開く, 10)))) バック
アルファ#19 ((-1 *サイン(((近 - 遅延 ((近, 7)) +デルタ (近, 7)))) _ (1 + ランク ((((1 + 合計 ((返却, 250))))))) トレンドディバージェンス
アルファ#20 ランク ランク ラング ラング ラング ラング ラング ラング ラング ラング ラング ラング ラング バック
アルファ#23 (−*デルタ========================================================================================================================================================================================================================================================== 20 期間の移動平均値に対する短期回帰
アルファ#24 ((((delta((sum(close, 100) /100), 100) / delay ((close, 100)) <0.05) または ((delta((sum(close, 100) /100), 100) / delay ((close, 100)) == 0.05))? (-1 _ (close - ts_min(close, 100))) : (-1 _ delta(close, 3))) バック
アルファ#29 (最小 (※) 製品 (※) ランク (※) ランク (※) スケール (※) ログ (※) 合計 (※)ランク (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク)ランク (遅延) (遅延) (-1 * 返信) 6), 5 バック
アルファ#32 (スケール(((合計(近,7) / 7) - 近く)) + (20 *スケール(相関(ワップ,遅延(近,5),230)))) バック
アルファ#33 ランク ((((-1 * ((1 - (開/閉)) ^1))) バック
アルファ#34 ランク (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) バック
アルファ#37 (ランク(コレレーション(遅延((オープン - 閉じる), 1), 閉じる, 200)) +ランク((オープン - 閉じる))) 統計
アルファ#38 (−1 _ ランク(ts_rank(近, 10))) _ ランク (((近 / オープン)) バック
アルファ#41 (高 *低) ^0.5 - vwap) バック
アルファ#42 (ランク((ワップ - 閉じる)) /ランク((ワップ + 閉じる))) バック
アルファ#46 ((0.25 < (((遅延(近, 20) -遅延(近, 10)) / 10) - ((遅延(近, 10) -近) / 10)))? (-1 _ 1) : ((((遅延(近, 20) -遅延(近, 10)) / 10) - ((遅延(近, 10) -近) / 10)) < 0)? 1 : ((-1 _ 1) * (遅延(近, 1))))) バック
アルファ#48 解除 解除
アルファ#49 (((((遅延(近, 20) -遅延(近, 10)) / 10) - ((遅延(近, 10) -近) / 10)) < (-1 _ 0.1))? 1 : ((-1 _ 1) * (近 - 遅延(近, 1)))) バック
アルファ#51 (((((遅延(近, 20) -遅延(近, 10)) / 10) - ((遅延(近, 10) -近) / 10)) < (-1 _ 0.05))? 1 : ((-1 _ 1) * (近 - 遅延(近, 1)))) ない
アルファ#53 (-1 *デルタ(((((近 - 低) - (高 - 近)) / (近 - 低) 9)) バック
アルファ#54 (-1 _ ((低 - 閉じる) _ (オープン^5))) / ((低 - 高) * (閉じる^5))) バック
アルファ#56 解除 解除
アルファ#57 (0 - (1 * ((close - vwap) / decay*linear(rank(ts_argmax(close, 30)), 2)))) バック
アルファ#60 (0 - (1 * ((2 _ scale(rank((((((近 - 低い) - (高い - 近い)) / (高い - 低い)) * 容量)))) - scale(rank(ts*argmax(近, 10)))))) ない
アルファ#66 ((rank ((decay_linear(delta ((vwap,3.51013),7.23052)) + ts_rank ((decay_linear(((((((low * 0.96633) + (low _ (1 - 0.96633))) - vwap) / (open - ((high + low) / 2))),11.4157),6.72611)) * -1) バック
アルファ#73 (max(rank(decay*linear(delta(vwap, 4.72775), 2.91864)), ts_rank(decay_linear((((delta((((open * 0.147155) + (low _ (1 - 0.147155)), 2.03608) / ((open _ 0.147155) + (low _ (1 - 0.147155)))) _ -1), 3.33829), 16.7411)) _ -1) バック
アルファ #84 サインパワー (ts_rank) (ts_max) (ts_vwap, 15.3217) (Delta, 4.96796) ない
アルファ#101 (閉じる - オープン) / (高低) +. 001) バック

量価格因数

工場名 要素式 FMZ 注記
アルファ2号 (-1 * 関連性 (ランク (デルタ) ログ (ボリューム) 2) ランク (閉じる) /開く) 6 量と価格の差異
アルファ#3 (-1 * 関連性 (ランク (オープン),ランク (ボリューム), 10)) 量と価格の差異
アルファ#6 (-1 * 関連性 ((オープン,巻, 10)) 量と価格の差異
アルファ#7 ((adv20 < volume)? ((-1 _ ts_rank ((abs(delta(close, 7)), 60)) _ sign ((delta(close, 7))) : (-1 * 1)) ない
アルファ#11 ((ランク ((ts*max((vwap - 閉じる),3)) +ランク ((ts_min((vwap - 閉じる),3))) *ランク ((デルタ(ボリューム,3))) 逆縮小
アルファ#12 (サイン (デルタ) 音量 (1)) * (-1 _ デルタ (近) 1))) 量と価格の差異
アルファ#13 (-1 * ランク (コヴァリアンス) ランク (接近) ランク (容量) 5 量と価格の差異
アルファ#14 ((-1 _ ランク(デルタ(返信,3))) _ 関連性 ((オープン,巻,10)) 量と価格の差異
アルファ#15 (-1 * sum ((rank ((correlation ((rank ((high)) ランク (rank ((volume)) 3)), 3)) 量と価格の差異
アルファ#16 (-1 * ランク (コヴァリアンス) ランク (高) ランク (量) 5 量と価格の差異
アルファ#17 (((-1 _ ランク(ts_rank(近, 10))) _ ランク(デルタ(デルタ(近, 1), 1))) * ランク(ts*rank (((ボリューム / adv20), 5))) 逆縮小
アルファ#22 (−1 * (デルタ(相関(高,体積, 5), 5) _ランク ((stddev(近, 20)))) 量と価格の差異
アルファ#25 ランク (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) ない
アルファ#26 (-1 * ts*max ((相関)) ts_rank ((体積,5), ts_rank ((高,5), 5), 3)) 量と価格の差異
アルファ#28 スケール ((((相関 ((adv20,低, 5) + ((高 + 低) / 2)) - 近い)) バックから離れる
アルファ#30 (((1.0 - ランク((((サイン(((近 - 遅延(近, 1))) +サイン((遅延(近, 1) - 遅延(近, 2)))) +サイン((遅延(近, 2) - 遅延(近, 3)))))) * 合計 ((体積, 5)) / 合計 ((体積, 20)) バック
アルファ#31 ((ランク (ランク) ランク (ランク) 崩壊 (ランク) 線形 (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) 量と価格の差異
アルファ#35 (t)ランク (数量, 32) * (1 - tsランク (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) ない
アルファ#36 ((((((2.21 *ランク(相関(((近−オープン),遅延(ボリューム, 1), 15))) + (0.7 _ランク((オープン−閉じる)))) + (0.73 _ランク(ts*ランク(遅延(((−1 *返却), 6), 5)))))) +ランク((abs相関(vwap, adv20, 6)))))) + (0.6 _ランク(((((合計(近, 200) / 200) -オープン) _ (近−オープン))))) トレンド
アルファ#39 ((-1 _ ランク((デルタ(近, 7) _ (1 - ランク(デカイ*線形((ボリューム / adv20), 9)))))))) * (1 + ランク(合計(返回, 250)))) 量と価格の差異
アルファ#40 (−1 *ランク (stddev) 高い, 10))) _ 関連性 (高い,体積, 10)) 量と価格の差異
アルファ#43 (t)ランク (※) 量 (※) adv20ランク (−1 *デルタ (−7)), 8)) 逆差
アルファ#44 (-1 * 関連性 (高位,ランク (量),5)) 量と価格の差異
アルファ#45 (-1 _ ((ランク((合計(遅延(近, 5), 20) / 20)) _相関 ((近, 容量, 2)) *ランク(相関 ((合計(近, 5), 合計 ((近, 20), 2)))) 量と価格の差異
アルファ#47 ((((ランク((((1 / 閉じる)) _ 量) / adv20) _ ((高い * ランク((高い - 閉じる))) / (合計(高い, 5) / 5))) - ランク((vwap - 遅延(vwap, 5)))) ない
アルファ#50 (-1 * ts*max (ランク) (相関) (ランク) (量) (ランク) (値) (5)), (5) 量と価格の差異
アルファ#52 (※) (−) (●)min ((低, 5)) + delay ((ts_min(低, 5)) *ランク (※※※※合計) 240) -合計 (※※返品, 20)) / 220))) *tsランク (数量,5) 量と価格の差異
アルファ#55 (-1 * 関連性 (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) (ランク) 量と価格の差異
アルファ#58 解除 解除
アルファ#59 解除 解除
アルファ#63 解除 解除
アルファ#67 解除 解除
アルファ#69 解除 解除
アルファ#70 解除 解除
アルファ#71 max(ts_rank(decay_linear(correlation(ts_rank(close,3.43976), ts_rank ((adv180,12.0647), 18.0175), 4.20501), 15.6948), ts_rank ((decay_linear((rank(((low + open) - (vwap + vwap))) ^2), 16.4662), 4.4388) ない
アルファ#72 (ランク (デカイ・ラインナール) 関連 (ハイ・ラインナール) /2) adv40,8.93345 10.1519) /ランク (デカイ・ラインナール) 関連 (ツ・ランク (ワップ) 3.72469 ts_rank (ボリューム) 18.5188 6.86671 2.95011) ない
アルファ#76 解除 解除
アルファ#77 min(rank(decay_linear((((((高 + 低い) / 2) + 高) - (vwap + 高)), 20.0451)),ランク(decay_linear(相関((((高 + 低い) / 2), adv40, 3.1614), 5.64125))) ない
アルファ#78 (ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ランク (ボリューム) 5.77492) ない
アルファ#80 解除 解除
アルファ#82 解除 解除
アルファ #83 ((ランク ((遅延)) ((高 - 低い) / (合計 ((近, 5) / 5)), 2)) *ランク ((ランク))) / ((高 - 低い) / (合計 ((近, 5) / 5)) / (ワップ - 閉じ))) ない
アルファ#85 (ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ない
アルファ#87 解除 解除
アルファ#88 min ((rank(decay_linear(((rank(open) + rank(low)) - (rank(high) + rank ((close))), 8.06882)), ts_rank(decay_linear(correlation ((ts_rank(close, 8.44728), ts_rank ((adv60, 20.6966), 8.01266), 6.65053), 2.61957) ない
アルファ#89 解除 解除
アルファ#90 解除 解除
アルファ#91 解除 解除
アルファ#92 min(ts_rank(decay_linear((((((high + low) / 2) + close) < (low + open)), 14.7221), 18.8683), ts_rank(decay_linear(correlation(rank(low), rank ((adv30), 7.58555), 6.94024), 6.80584)) ない
アルファ#93 解除 解除
アルファ#94 (ランク (ランク) - ts_min (ランク) 11.5783)) ^ts_rank (ランク) 関連 (ランク) 19.6462), ts_rank (ランク) adv60, 4.02992,18.0926,270756)) * -1) ない
アルファ#96 (max(ts_rank(decay_linear(correlation(rank(vwap), rank ((volume), 3.83878), 4.16783), 8.38151), ts_rank(decay_linear(ts_argmax(correlation(ts_rank(close, 7.45404), ts_rank ((adv60, 4.13242), 3.65459), 12.6556), 14.0365), 13.4143)) * -1) ない
アルファ#97 解除 解除
アルファ#98 (ランク (デカイ・リーニアル (相関)) ワップ,サム (adv5, 26.4719), 4.58418), 7.18088)) -ランク (デカイ・リーニアル (相関) ランク (デカイ・リーニアル (相関) ランク (相関) オープン (相関) ランク (相関) アドブ15 (相関) 20.8187, 8.62571 (相関) 6.95668 (相関) 8.07206)) ない
アルファ#100 解除 解除

二分体因子

工場名 要素式 FMZ 注記
アルファ#22 (−1 _ (デルタ(相関 ((高,体積, 5), 5) _ ランク ((stddev ((近, 20)))))) バック
アルファ#27 ((0.5 < ランク (ランク (ランク) 総和 (ランク (ランク) 総量) ランク (ランク (ランク) 総量) 6), 2) / 2.0)))? (-1 * 1) : 1) 量と価格の差異
アルファ#61 (ランク (※※) ワップ - ts*min (※) ワップ, 16.1219))) <ランク (※) 関連 (※) ワップ, adv180, 17.9282))) 量と価格の差異
アルファ#62 ((ランク ((相関)) ワップ,合計 ((adv20, 22.4101), 9.91009)) <ランク ((ランク ((ランク)) オープン +ランク ((ランク)) オープン)) < (ランク ((ランク)) 高い + 低い) / 2)) +ランク (ランク))))) * -1) ない
アルファ#64 ((ランク (コレレレーション) 合計 (合計) オープン * 0.178404) + (低 _ (1 - 0.178404))), 12.7054), 合計 (adv120, 12.7054), 16.6208)) <ランク (デルタ) 合計 (合計) / 2) _ 0.178404) + (ワップ _ (1 - 0.178404)), 3.69741) * -1) ない
アルファ#65 ((ランク ((コレレーション)) ((オープン _ 0.00817205) + (vwap _ (1 - 0.00817205))), sum ((adv60, 8.6911), 6.40374)) <ランク ((オープン - ts*min(オープン, 13.635)))) * -1) ない
アルファ#68 (ts_rank(コレレレーション(ランク(ハイ),ランク ((adv15), 8.91644), 13.9333) <ランク ((デルタ)) ない
アルファ#74 ((ランク (コレレレーション) 近く,合計 (adv30, 37.4843), 15.1365)) <ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ランク (コレレーション) ランク) ランク (コレレーション) ランク) ランク (コレレーション) ランク (コレレーション) ランク) ランク (コレレーション) ランク) ランク (コレレーション) ランク) ランク (コレレーション) ない
アルファ#75 (ランク (コレレーション) 量 4.24304) <ランク (コレレーション) ランク (ロー) ランク (ADV50) 12.4413) 量と価格の関係
アルファ#79 解除 解除
アルファ#81 (ランク (log) ランク (product) ランク (rank) ランク (correlation) ランク (wav, sum) (adv10, 49.6054), 8.47743) (^4)), 14.9655) ない
アルファ#86 ((ts_rank(相関 ((近,合計 ((adv20, 14.7444), 6.00049), 20.4195) < ランク (((((オープン + 閉鎖) - (vwap + オープン)) * -1) ない
アルファ#95 (ランク (※※※オープン - ts_min (※オープン, 12.4105))) < ts_rank (※※ランク (※相関)) 合計 (※※※高低) /2), 19.1351), 合計 (※adv40, 19.1351), 12.8742)) ^5), 11.7584)) ない
アルファ#99 (ランク (コレレーション) 合計 (高値+低値) / 2), 19.8975), 合計 (高値60, 19.8975), 8.8136)) <ランク (コレレーション) 合計 (低値, 容量, 6.28259))) * -1) ない

FMZプラットフォームで実施

オープンFMZ公式サイト (FMZ.COM) に登録してログインするには,左上部の"ダッシュボード"をクリックし,次の図のように左上のリストから"分析ツール"を選択します.

img

解析ツールページの上部には設定バーがあり,左から右に順序で設定できます:多様性,開始・終了時間,期間,画像タイプ.設定バーの下には公式編集エリアがあります.公式を書くことができない場合は,下記のドロップダウンメニューをクリックして編集した公式を選択できます.ここでサポートされている公式例はたくさんあります.また,FMZプラットフォーム分析ツールはすでにほとんどの公式Alpha101をサポートしています.クリックして使用してください.下部に計算結果を表示するために計算式をクリックしてください.複数のデータ輸出方法:画像,表 (CSV),JSON,などをサポートします.

img

注意を払う必要があります

要素式のパラメータは,最適パラメータではなくデフォルトです.トレーダーは,シンボル,期間,および自身の経験に応じて,より適切なパラメータを選択できます.

これらの要因は相互に独立しており,複数の要因を互いに重ね合わせると必ずしもより良い結果が得られない.定量的な取引戦略を設計する際には,少なくとも機械的なパッチワークではなく,独自の論理を持つ.

Alpha101は単なるトリックです 誰もがそこからインスピレーションを得て より多くの より良い要素や 定量的な取引戦略を作成できると信じています

結論から言うと

多くのトレーディングファクタルの公式では,表面は不合理に見えるが,その公式の背後には一定の考えと理由がある.しかし,市場の唯一の常数は,それが常に変化していることであり,したがってこれらのファクタルの有効性は実用的な応用において非線形的な特徴を有する.つまり,有効かつ常に有効なファクターは存在しない.普遍的なトレーディング方法はない.定量的なトレーダーとして,あなたはオープンな心を持ち, સારાંશに善いもので,常に変化する市場で利益を得るためにそれを試し,革新するために使用する必要があります.

関連性
もっと

2019 FMZ - すべての権利は保護されています.