리소스 로딩... 로딩...

Alpha101 문법 개발에 기반한 향상된 분석 도구

저자:선함, 2020-06-09 09:34:58, 업데이트: 2023-11-01 20:27:17

img

요약

FMZ 플랫폼은 WorldQuant Alpha101을 기반으로 한 거래 요인 분석 도구를 출시했으며, 양적 거래 전략 개발자에게 새로운 무기를 제공합니다. 분석 요인을 통해 모든 사람들이 시장을 더 잘 이해하고 금융 시장의 기회를 이해하는 데 도움이됩니다.

알파101은 무엇입니까?

img

알파101을 소개하기 전에 먼저 알파가 무엇인지 이해하십시오. 알파는 초과 수익을 의미합니다. 예를 들어: 1 백만 개의 인덱스 펀드를 구입하고 항상 보관하십시오. 이것은 시장에서 수동 수익을 얻는 베타 전략입니다. 그러나 10 백만 달러를 10 개의 주식을 구입하고 인덱스 펀드를 구입하여 10% 더 벌면이 10%는 알파 초과 수익입니다. 이 알파 초과 수익을 과소평가하지 마십시오. 사실, 펀드 관리자를 포함한 시장의 대부분의 거래자는 인덱스를 이길 수 없습니다. 그래서 많은 사람들이 알파의 수익을 향상시키기 위해 두뇌를 습니다. 물론, 우수한 거래자와 펀드 회사가 있습니다.

  • 거래 전략 초과 수익 = 수동 (베타) 수익 + 거래 수익 (알파)

2015년, 데이터 마이닝에 능통한 양적 거래 헤지펀드 월드 퀀트 LLC는 현재 사용 중인 또는 사용 중인 101개의 알파 표현을 공개한 월드 퀀트 포뮬레이션 101 알파 연구 보고서를 발표했다. 이 보고서의 목적은 거래 전략 개발자들에게 더 많은 영감과 아이디어를 제공하는 것입니다. 많은 사람들이 월드 퀀트가 공개한 요소에 의문을 제기했습니다. 결국 중국 주식 시장은 해외 주식 시장과 다르기 때문입니다. 그러나 이러한 요소의 대부분은 여전히 중국 시장에서 효과적입니다. FMZ 플랫폼은 이러한 요인 공식의 중복 및 수정, 모든 거래자에게 보여주었습니다.

알파101의 요인은 무엇일까요?

연구 보고서에서 알파는 세 가지로 나뉘어 있습니다. 가격 요인, 부피 요인, 이분법 요인.

  • 가격 요인: 계산 공식은 개시 가격, 최고 가격, 최저 가격, 종료 가격 등을 포함하여 가격을만 사용합니다. 출력은 특정 값입니다.

  • 부피와 가격 요인: 계산 공식은 부피와 가격을 사용합니다. 디자인 아이디어는 가격 변화와 거래량 변화 사이의 관계를 결정하는 것이며 출력은 특정 값입니다.

  • 이분법 인수: 계산 공식은 거래량과 가격을 사용합니다. 출력이 0 또는 1을 제외하고는 거래량과 가격 인수와 동일합니다.

가격 요인

팩터 이름 인수 공식 FMZ 참고자료
알파 1번 (rank ((ts*argmax ((signedpower)) ((((귀환 < 0)? stddev ((귀환, 20): 닫아, 2.), 5)) - 0.5) 추세
알파 4번 (-1 * ts_rank(rank(low), 9)) 뒤집어
알파#5 (rank((open - (sum(vwap, 10) / 10))) * (-1 _ abs(rank((close - vwap))))) 뒤집어
알파 8번 (-1 _ 순위(((총리(열린, 5) _ 총리(회복, 5)) - 지연 ((총리(열린, 5) * 총리 ((회복, 5)), 10)))))) 뒤집어
알파 #9 ((0 < ts*min(delta(close, 1), 5))? 델타(close, 1) : ((ts_max(delta(close, 1), 5) < 0)? 델타(close, 1) : (-1 * 델타(close, 1)))) 역행 또는 경향
알파#18 (-1 * 랭크 (((((stddev ((abs ((((닫는 - 개방)), 5) + (닫는 - 개방)) + 상관관계 (닫는, 개방, 10)))) 뒤집어
알파#19 ((-1 * 기호 ((((결결 - 지연 (결결, 7)) + 델타 (결결, 7)))))) _ (1 + 순위 (결결, 250))))) 동향의 격차
알파#20 (((-1 * 순위((열린 - 지연(높은, 1)))) _ 순위((열린 - 지연(닫는, 1)))) * 순위((열린 - 지연(낮은, 1)))) 뒤집어
알파 23번 (((총 (고위, 20) / 20) <고위)? (-1 * 델타 (고위, 2)): 0) 20주기 이동 평균에 대한 단기 회귀
알파#24 ((((델타(((섬(close, 100) / 100), 100) / delay ((close, 100)) < 0.05) 또는 ((델타((섬(close, 100) / 100), 100) / delay ((close, 100)) == 0.05))? (-1 _ (close - ts_min(close, 100))) : (-1 _ 델타((close, 3))) 뒤집어
알파 29번 (제품 (제품) 순위 (순위) 규모 (일본) 합 (합)min(rank(rank(((-1 * 순위(델타((( 가까이 - 1), 5))))), 2), 1))))), 1), 5) + ts랭크 (디레이) (디레이) (디레이) (디레이) (디레이) (디레이) (디레이) (디레이) (디레이) (디레이) 뒤집어
알파 32번 (스케일 (스케일) (스케일) (스케일) (스케일) (스케일) (스케일) (스케일) 뒤집어
알파#33 랭크 (((-1 * ((1 - (열 / 닫)) ^ 1))) 뒤집어
알파#34 랭크 (#1) - 랭크 (#2) / 랭크 (#2) + (1 - 랭크 (#3) 뒤집어
알파#37 (열위 (관계 (연속) 열기 - 닫기), 1), 닫기, 200)) + 순위 (열기 - 닫기)) 통계자료
알파#38 (-1 _ 랭크 (ts) 랭크 (close, 10)) 랭크 (close, open) 뒤집어
알파 #41 (비상대 * 낮은) ^0.5 - vwap) 뒤집어
알파#42 (rank((vwap - close)) / rank((vwap + close)) 뒤집어
알파 46번 ((0.25 < (((예예, 20) - 지연 (예예, 10)) / 10) - ((예예, 10) - 닫) / 10)))? (-1 _ 1) : (((예예, 20) - 지연 (예예, 10)) / 10) - ((예예, 10) - 닫) / 10)) < 0)? 1 : ((-1 _ 1) * (예예, 1))) 뒤집어
알파 48번 해제 해제
알파 #49 (((((예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예 뒤집어
알파 #51 (((((예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예예 아무 것도 없습니다
알파#53 (-1 * 델타 (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - (-1) - ( 뒤집어
알파 #54 (-1 _ ((하 - 닫) _ (열 ^ 5))) / ((하 - 높) * ( 닫 ^ 5))) 뒤집어
알파 56번 해제 해제
알파 #57 (0 - (1 * ((close - vwap) / decay*linear(rank(ts_argmax(close, 30)), 2)))) 뒤집어
알파#60 (0 - (1 * ((2 _ 스칼라(랭크((((((거기 - 낮은) - (고 - 가까운)) / (고 - 낮은)) * 부피)))))) - 스칼라(랭크(ts*argmax(거기, 10)))))) 아무 것도 없습니다
알파#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) 뒤집어
알파#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) 뒤집어
알파 # 84 서명력 (ts_rank) (ts_wap - ts_max (ts_wap, 15.3217)), 20.7127), 델타 (close, 4.96796) 아무 것도 없습니다
알파#101 (닫는 - 개방) / (높은 - 낮은) +.001) 뒤집어

부피 가격 요인

팩터 이름 인수 공식 FMZ 참고자료
알파 2번 (-1 * 상관관계 (등급 (등급) 델타 (등급) 로그 (등급) 부피 (등급), 2)), 순위 (등급) 닫기 (등급) / 열기 (등급) 6)) 양과 가격의 차이
알파 3 (-1 * 상관관계 (열위 (열), 순위 (량), 10)) 양과 가격의 차이
알파 #6 (-1 * 상관관계, 열, 10)) 양과 가격의 차이
알파 7번 ((adv20 < 부피)? ((-1 _ ts_rank ((abs(delta(close, 7)), 60)) _ sign ((delta(close, 7))) : (-1 * 1)) 아무 것도 없습니다
알파 11번 ((rank(ts*max((vwap - 닫아, 3)) + rank(ts_min((vwap - 닫아, 3))) * rank(delta(volume, 3))) 역축 축소
알파#12 (표자 (드엘타) 부피, 1)) * (-1 _ 델타) 양과 가격의 차이
알파#13 (-1 * 순위 (복변성 (복변성 (복변성)) 순위 (복변성)), 순위 (복변량), 5))) 양과 가격의 차이
알파#14 ((-1 _ 순위 (delta)) (3) _ 상관관계 (open, volume, 10) 양과 가격의 차이
알파 15번 (-1 * 합 (등급 (연결) (등급 (고위), 등급 (용량), 3)), 3)) 양과 가격의 차이
알파 16번 (-1 * 순위 (복변성 (열위 (열위) 높음), 순위 (열위) 부피), 5))) 양과 가격의 차이
알파#17 (((-1 _ 랭크(ts_rank(거기, 10))) _ 랭크(델타(델타(거기, 1), 1))) * 랭크(ts*랭크((용량 / adv20), 5))) 역축 축소
알파 22번 (-1 * (델타 (동행성) 높음, 부피, 5), 5) _ 랭크 (STDdev) 가까운, 20)))) 양과 가격의 차이
알파#25 랭크 ((((((-1 _ 반환) _ adv20) _ vwap) _ (고위 - 가까운))) 아무 것도 없습니다
알파#26 (-1 * ts*max ((조화)) ts_rank ((용량, 5), ts_rank ((높이, 5), 5), 3)) 양과 가격의 차이
알파#28 스칼라 (Scale) (조선어) (조선어) (adv20, 낮은, 5) + ((높은 + 낮은) / 2)) - 가까이) 역으로 이동
알파#30 (((1.0 - 순위(((표지(((결결 - 지연(결결, 1))) + 표지((지연(결결, 1) - 지연(결결, 2)))) + 표지((결결, 2) - 지연(결결, 3)))))))) * 총액, 5)) / 총액, 20)) 뒤집어
알파#31 ((rank(rank(rank(decay_linear((-1 * rank(rank(delta(close, 10)))), 10)))))) + rank (((-1 _ delta(close, 3)))) + sign ((scale(correlation ((adv20, low, 12)))))) 부피와 가격의 차이
알파#35 (t순위 (집량, 32) * (1 - ts순위 ((((고위 + 높은) - 낮은), 16))) * (1 - ts*rank ((귀향, 32))) 아무 것도 없습니다
알파#36 ((((((2.21 * 순위(연동(((결결 - 개방), 지연(용량, 1), 15))) + (0.7 _ 순위((개 - 폐쇄)))) + (0.73 _ 순위(ts*순위(예연(((-1 * 반환), 6), 5)))))))) + 순위((abs 상관관계 ((vwap, adv20, 6)))))) + (0.6 _ 순위((((결합(결결, 200) / 200) - 개방) _ (결결 - 개방))))) 추세
알파#39 ((-1 _ 랭크((델타(결결, 7) _ (1 - 랭크(실절*선형 (비록, 9)))))))))) * (1 + 랭크 (비록, 250)))) 부피와 가격의 차이
알파#40 (-1 * 랭크 (stddev) (고위, 10)) _ 상관 (고위, 부피, 10)) 양과 가격의 차이
알파#43 (s)순위 (비용량 / adv20) * ts랭크 (((-1 * 델타 ((接近, 7)), 8)) 역차별
알파 44번 (-1 * 상관관계 (고위, 순위, 부피), 5)) 양과 가격의 차이
알파 45번 (-1 _ ((위급 (위급) 합 (위급) 지연 (위급, 5), 20) / 20)) _ 상관관계 (위급, 부피, 2)) * 상관관계 (위급, 합, 5), 합 (위급, 20), 2)))) 양과 가격의 차이
알파#47 ((((열위, 5) / 5))) -열위, 5))) - 지연, 5))) 아무 것도 없습니다
알파#50 (-1 * ts*max(rank(correlation(rank(volume), rank ((vwap), 5)), 5)) 양과 가격의 차이
알파 #52 (((-1 * tsmin ((low, 5)) + delay ((ts_min(low, 5), 5)) * 순위 ((((sum(returns, 240) - sum ((returns, 20)) / 220))) * ts순위 (용량, 5)) 양과 가격의 차이
알파 55번 (-1 * 상관관계 (등급) (등급) (등급) (등급) (등급) (등급) (등급) 양과 가격의 차이
알파 #58 해제 해제
알파 59번 해제 해제
알파#63 해제 해제
알파#67 해제 해제
알파#69 해제 해제
알파#70 해제 해제
알파#71 max(ts_rank(decay_linear(scorrelation(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) 아무 것도 없습니다
알파#72 (rank ((decay_linear(correlation(((high + low) / 2), adv40, 8.93345), 10.1519)) / rank ((decay_linear(correlation(ts_rank(vwap, 3.72469), ts_rank ((volume, 18.5188), 6.86671), 2.95011))) 아무 것도 없습니다
알파#76 해제 해제
알파 77번 미노 (등급 (등급) 저하 (등급) 높음 (등급) 낮음 (등급) 높음 (등급) 높음 (등급) 높음 (등급) 높음 (등급) 높음 (등급) 높음 (등급) 높음 (등급) 높음 (등급) 높음 (등급) 높음 (등급) 높음 (등급) 높음 (등급) 높음 (등급) 높음 (등급) 높음 아무 것도 없습니다
알파 78번 (rank ((correlation)) sum (((((low * 0.352233) + (vwap _ (1 - 0.352233)), 19.7428), sum ((adv40, 19.7428), 6.83313)) ^rank ((correlation)) rank ((vwap), rank ((volume), 5.77492))) 아무 것도 없습니다
알파 80번 해제 해제
알파 #82 해제 해제
알파 #83 ((rank ((delay ((((high - low) / (sum ((close, 5) / 5)), 2)) * rank ((rank ((volume))) / (((high - low) / (sum ((close, 5) / 5)) / (vwap - close))) 아무 것도 없습니다
알파 # 85 (rank ((correlation)) (high _ 0.876703) + (close _ (1 - 0.876703)), adv30, 9.61331)) ^rank ((ts_rank (((((high + low) / 2), 3.70596), ts_rank ((volume, 10.1595), 7.11408))) 아무 것도 없습니다
알파 #87 해제 해제
알파#88 min ((rank(decay_linear(((rank(open) + rank ((low)) - (rank(high) + rank ((close))), 8.06882)), ts_rank(decay_linear(scorrelation ((ts_rank(close, 8.44728), ts_rank ((adv60, 20.6966), 8.01266), 6.65053), 2.61957) 아무 것도 없습니다
알파 #89 해제 해제
알파#90 해제 해제
알파 #91 해제 해제
알파#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) 아무 것도 없습니다
알파 #93 해제 해제
알파 #94 (위급 (위급) - ts_min (위급, 11.5783)) ^ts_rank (위급, 19.6462), ts_rank (adv60, 4.02992), 18.0926), 2.70756)) * -1) 아무 것도 없습니다
알파#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) 아무 것도 없습니다
알파#97 해제 해제
알파 #98 (rank ((decay_linear(correlation ((vwap, sum ((adv5, 26.4719), 4.58418), 7.18088)) - 순위 ((decay_linear(ts_rank(ts_argmin ((correlation(rank(open), 순위 ((adv15), 20.8187), 8.62571), 6.95668), 8.07206))) 아무 것도 없습니다
알파#100 해제 해제

이분법 요인

팩터 이름 인수 공식 FMZ 참고자료
알파 22번 (-1 _ (델타 (동행성) 높은, 부피, 5), 5) _ 순위 (STDdev (거의, 20)))) 뒤집어
알파#27 ((0.5 < 랭크 (((총액 ((관계)) 랭크 (비용량), 랭크 (비용량), 6), 2) / 2.0)))? (-1 * 1) : 1) 양과 가격의 차이
알파#61 (위급 (위급) - ts*min (위급, 16.1219))) <위급 (위급) 상관 (위급, adv180, 17.9282))) 양과 가격의 차이
알파 #62 ((위급 ((연결성 ((위원, 수)) (adv20, 22.4101), 9.91009)) <위급 ((위급 ((열) +위급 ((열)) < (위급 ((위급 + 낮) / 2)) +위급 ((고등))))) * -1) 아무 것도 없습니다
알파 #64 ((rank ((correlation(sum(((open * 0.178404) + (low _ (1 - 0.178404))), 12.7054), sum ((adv120, 12.7054), 16.6208)) 아무 것도 없습니다
알파 #65 ((rank(scorrelation((open _ 0.00817205) + (vwap _ (1 - 0.00817205)), sum ((adv60, 8.6911), 6.40374)) 아무 것도 없습니다
알파 #68 (ts_rank(조화 ((rank(high), rank ((adv15), 8.91644), 13.9333) < rank ((delta)) (((close * 0.518371) + (low _ (1 - 0.518371)), 1.06157))) * -1) 아무 것도 없습니다
알파 #74 (위급 (조선어: rank, close, sum, adv30, 37.4843), 15.1365)) <위급 (조선어: rank, high, 0.0261661) + (위급 (위급) (1 - 0.0261661)), 위급 (위급), 11.4791))) * -1) 아무 것도 없습니다
알파#75 (rank ((correlation ((vwap, volume, 4.24304)) < rank ((correlation ((rank ((low))), rank ((adv50), 12.4413))) 부피 가격 관계
알파#79 해제 해제
알파 #81 (급 (log) (제품 (rank)) (rank)) (rank) (correlation) (value, sum) (adv10, 49.6054), 8.47743) (^4)), 14.9655) 아무 것도 없습니다
알파 #86 ((ts_rank(scorrelation ((close, sum ((adv20, 14.7444), 6.00049), 20.4195) < 순위 (((((open + close) - (vwap + open)))) * -1) 아무 것도 없습니다
알파 #95 (rank (((open - ts_min ((open, 12.4105))) < ts_rank (((rank ((correlation)) sum ((((high + low) / 2), 19.1351), sum ((adv40, 19.1351), 12.8742)), ^5), 11.7584)) 아무 것도 없습니다
알파#99 (등급 (관계 (관계) 합 (관계) 합 (관계) 합 (관계) 합 (관계) 합 (관계) 합 (관계) 합 (관계) 합 (관계) 아무 것도 없습니다

FMZ 플랫폼에서 구현

오픈 FMZ 공식 웹사이트 (FMZ.COM) 등록 및 로그인하려면 왼쪽 상단에 있는 담시보드를 클릭하고 왼쪽 목록에서 아래 그림과 같이 분석 도구를 선택합니다.

img

분석 도구 페이지의 위쪽에는 설정 바가 있으며, 왼쪽에서 오른쪽으로 설정할 수 있습니다: 다양성, 시작 및 종료 시간, 기간, 이미지 유형. 설정 바 아래에 공식 편집 영역이 있습니다. 수식을 작성할 수 없는 경우 아래 드롭 다운 메뉴를 클릭하여 편집한 수식을 선택할 수 있습니다. 여기에 지원되는 많은 공식 예가 있습니다. 또한 FMZ 플랫폼 분석 도구는 이미 대부분의 공식 Alpha101 수식을 지원합니다. 클릭하고 사용하십시오. 계산 결과를 표시하기 위해 계산 공식을 클릭하면 아래쪽에 여러 데이터 수출 방법을 지원합니다: 그림, 테이블 (CSV), JSON 등.

img

주의가 필요합니다.

인수 공식의 매개 변수는 최적의 매개 변수가 아닌 기본입니다. 거래자는 기호, 기간 및 자신의 경험에 따라 더 적합한 매개 변수를 선택할 수 있습니다.

요인은 서로 독립적이며 여러 요인을 서로 겹치면 반드시 더 나은 결과를 얻을 수 없습니다. 양적 거래 전략을 설계 할 때 적어도 기계적 패치워크가 아닌 자신의 논리를 가지고 있습니다.

인자는 무제한입니다. 알파101은 단지 속임수입니다. 저는 모든 사람들이 그로부터 영감을 얻고 더 많은 더 나은 인자와 양적 거래 전략을 만들 수 있다고 믿습니다.

요약하면

많은 거래 요인 공식에서 표면은 불합리한 것처럼 보이지만 공식의 뒤에 특정 아이디어와 이유가 있습니다. 그러나 시장의 유일한 상수는 지속적으로 변화한다는 것입니다. 따라서 이러한 요인의 효과는 실제 응용에서 비선형적인 특성을 가지고 있습니다. 다른 말로, 효과적이고 항상 효과적인 요인이 없으며 보편적인 거래 방법이 없습니다. 양적 거래자로서, 당신은 열린 마음을 가지고, 요약하는 데 잘하고, 끊임없이 변화하는 시장에서 이익을 창출하기 위해 시도하고 혁신하는 데 사용해야합니다.


관련

더 많은