1. Digest
  2. Diskusi
  3. Alat analisis yang ditingkatkan berdasarkan pengembangan tata bahasa Alpha101

Alat analisis yang ditingkatkan berdasarkan pengembangan tata bahasa Alpha101

Penulis:Kebaikan, Dibuat: 2020-06-09 09:34:58, Diperbarui: 2023-11-01 20:27:17

img

Ringkasan

Platform FMZ meluncurkan alat analisis faktor perdagangan berdasarkan WorldQuant Alpha101, yang menyediakan senjata baru bagi pengembang strategi perdagangan kuantitatif. Melalui faktor analisis, ini membantu semua orang lebih memahami pasar dan mendapatkan wawasan tentang peluang di balik pasar keuangan.

Apa itu Alpha101?

img

Sebelum memperkenalkan Alpha101, pertama-tama pahami apa itu Alpha? Alpha mengacu pada kelebihan pengembalian. Misalnya: beli dana indeks 1 juta dan simpan sepanjang waktu. Ini adalah strategi Beta untuk mendapatkan pengembalian pasif di pasar. Tapi jika Anda menggunakan 10 juta untuk membeli 10 saham, dan mendapatkan 10% lebih banyak dengan membeli dana indeks, maka 10% ini adalah kelebihan pengembalian Alpha. Jangan meremehkan kelebihan pengembalian Alpha ini. Sebenarnya, sebagian besar pedagang di pasar, termasuk manajer dana, tidak dapat mengalahkan indeks, jadi banyak orang menggerakkan otak mereka untuk meningkatkan pengembalian Alpha. Tentu saja, ada beberapa pedagang dan perusahaan dana yang sangat baik.

  • Strategi perdagangan laba yang lebih besar = laba pasif (Beta) + laba perdagangan (Alpha)

Pada tahun 2015, WorldQuant LLC hedge fund perdagangan kuantitatif, yang baik dalam penambangan data, merilis laporan penelitian WorldQuant Formulaic 101 Alphas, yang mengungkapkan 101 ekspresi Alpha yang mereka gunakan atau telah digunakan, yang tujuannya adalah untuk memberikan pengembang strategi perdagangan Memberikan lebih banyak inspirasi dan ide. Banyak orang mempertanyakan faktor yang diungkapkan oleh WorldQuant, karena bagaimanapun, pasar saham China berbeda dari pasar saham asing. Tetapi ternyata sebagian besar faktor ini masih efektif di pasar Cina.

Apa faktor dalam Alpha101

Dalam laporan penelitian, Alpha dibagi menjadi tiga kategori: faktor harga, faktor volume, dan faktor dikotomi.

  • Faktor harga: Rumus perhitungan hanya menggunakan harga, termasuk: harga pembukaan, harga tertinggi, harga terendah, harga penutupan, dll. Output adalah nilai tertentu.

  • Volume dan faktor harga: Rumus perhitungan menggunakan volume dan harga.

  • Dichotomi faktor: Rumus perhitungan menggunakan volume perdagangan dan harga. Ini sama dengan volume dan faktor harga, kecuali bahwa output adalah 0 atau 1.

Faktor harga

Nama faktor Rumus faktor FMZ Catatan
Alpha # 1 (rank ((ts*argmax ((signedpower ((((kembali < 0)? stddev ((kembali, 20): dekat), 2.), 5)) - 0,5) Tren
Alpha # 4 (-1 * ts_rank(rank(low), 9)) Kembali
Alpha # 5 (rank((buka - (sum(vwap, 10) / 10))) * (-1 _ abs(rank((close - vwap))))) Kembali
Alpha # 8 (-1 _ rank ((((sum(open, 5) _ sum ((returns, 5)) - penundaan (((sum(open, 5) * sum ((returns, 5)), 10)))))) Kembali
Alpha # 9 ((0 < ts*min(delta(close, 1), 5))? delta(close, 1) : ((ts_max(delta(close, 1), 5) < 0)? delta(close, 1) : (-1 * delta(close, 1)))) Kebalikan atau Tren
Alpha # 18 (-1 * rank((((stddev(abs(((close - open)), 5) + (close - open)) + korelasi ((close, open, 10)))))) Kembali
Alpha # 19 ((-1 * tanda(((pendek - penundaan ((pendek, 7)) + delta ((pendek, 7)))))) _ (1 + peringkat ((((1 + jumlah ((kembali, 250))))))) Perbedaan Tren
Alpha # 20 (((-1 * rank((open - delay(high, 1)))) _ rank((open - delay(close, 1)))) * rank((open - delay(low, 1)))) Kembali
Alpha # 23 (((jumlah ((tinggi, 20) / 20) Regresi jangka pendek pada rata-rata bergerak 20 periode
Alpha # 24 ((((delta((sum ((close, 100) / 100), 100) / delay ((close, 100)) < 0.05) atau ((delta((sum ((close, 100) / 100), 100) / delay ((close, 100)) == 0.05))? (-1 _ (close - ts_min(close, 100))) : (-1 _ delta ((close, 3))) Kembali
Alpha # 29 (min ((produk)) pangkat)) pangkat)) skala)) log (jumlah))min(rank(rank((-1 * rank(delta((close - 1), 5))))), 2), 1))))), 1), 5) + tsrank ((delay (((-1 * kembali), 6), 5)) Kembali
Alpha # 32 (skala(((jumlah(dekat, 7) / 7) - dekat)) + (20 * skala(korrelasi(vwap, penundaan(dekat, 5), 230)))) Kembali
Alpha#33 rank ((((-1 * ((1 - (buka / tutup)) ^ 1))) Kembali
Alpha # 34 rank(((1 - rank((stddev(kembali, 2) / stddev(kembali, 5)))) + (1 - rank(delta(dekat, 1))))))) Kembali
Alpha # 37 (rank ((korélasi ((delay (((open - close), 1), close, 200)) + rank (((open - close)) Statistik
Alpha # 38 ((-1 _ rank(ts_rank(dekat, 10))) _ rank((dekat / terbuka))) Kembali
Alpha # 41 (((tinggi * rendah) ^ 0.5) - vwap) Kembali
Alpha # 42 (rank((vwap - dekat)) / rank((vwap + dekat))) Kembali
Alpha #46 ((0.25 < (((delay(close, 20) - delay ((close, 10)) / 10) - ((delay(close, 10) - close) / 10)))? (-1 _ 1) : (((((delay(close, 20) - delay ((close, 10)) / 10) - ((delay(close, 10) - close) / 10)) < 0)? 1 : ((-1 _ 1) * (close - delay ((close, 1))))))) Kembali
Alpha # 48 Undone Undone
Alpha # 49 ((((menunda ((dekat, 20) - penundaan ((dekat, 10)) / 10) - ((menunda ((dekat, 10) - dekat) / 10)) < (-1 _ 0.1))? 1 : ((-1 _ 1) * (dekat - penundaan ((dekat, 1)))) Kembali
Alpha # 51 ((((menunda ((dekat, 20) - penundaan ((dekat, 10)) / 10) - ((menunda ((dekat, 10) - dekat) / 10)) < (-1 _ 0.05))? 1 : ((-1 _ 1) * (dekat - penundaan ((dekat, 1)))) Tidak ada
Alpha # 53 (-1 * delta((((dekat - rendah) - (tinggi - dekat)) / (dekat - rendah)), 9)) Kembali
Alpha # 54 ((-1 _ ((low - close) _ (open^5))) / ((low - high) * (close^5))) Kembali
Alpha # 56 Undone Undone
Alpha # 57 (0 - (1 * ((close - vwap) / decay*linear(rank(ts_argmax(close, 30)), 2)))) Kembali
Alpha#60 (0 - (1 * ((2 _ scale(rank((((((close - low) - (high - close)) / (high - low)) * volume)))))) - scale(rank(ts*argmax(close, 10)))))) Tidak ada
Alpha # 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) Kembali
Alpha # 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) Kembali
Alpha # 84 ditandatanganipower ((ts_rank((vwap - ts_max ((vwap, 15.3217)), 20.7127), delta ((close, 4.96796)) Tidak ada
Alpha # 101 ((tutup - terbuka) / ((tinggi - rendah) +.001)) Kembali

Faktor Volume-Harga

Nama faktor Rumus faktor FMZ Catatan
Alpha # 2 (-1 * korelasi ((rank ((delta ((log ((volume), 2)), rank ((((close - open) / open)), 6)) Perbedaan volume dan harga
Alpha # 3 (-1 * korelasi ((peringkat ((buka), peringkat ((volume), 10)) Perbedaan volume dan harga
Alpha # 6 (-1 * korelasi ((buka, volume, 10)) Perbedaan volume dan harga
Alpha # 7 ((adv20 < volume)? ((-1 _ ts_rank ((abs(delta(close, 7)), 60)) _ sign ((delta(close, 7))) : (-1 * 1)) Tidak ada
Alpha # 11 ((rank ((ts*max((vwap - close), 3)) + rank ((ts_min((vwap - close), 3))) * rank ((delta(volume, 3))) Penurunan Kebalikan
Alpha # 12 (tanda ((delta(volume, 1)) * (-1 _ delta ((close, 1))) Perbedaan volume dan harga
Alpha # 13 (-1 * peringkat (covariance) peringkat (close), peringkat (volume), 5))) Perbedaan volume dan harga
Alpha # 14 ((-1 _ rank(delta(kembali, 3))) _ korelasi ((buka, volume, 10)) Perbedaan volume dan harga
Alpha # 15 (-1 * jumlah ((pangkat)) korelasi ((pangkat)) tinggi), pangkat (volume), 3)), 3)) Perbedaan volume dan harga
Alpha # 16 (-1 * peringkat (covariance) peringkat (high), peringkat (volume), 5))) Perbedaan volume dan harga
Alpha # 17 (((-1 _ rank(ts_rank(dekat, 10))) _ rank(delta(delta(dekat, 1), 1))) * rank(ts*rank((volume / adv20), 5))) Penurunan Kebalikan
Alpha # 22 (-1 * (delta ((korélasi ((tinggi, volume, 5), 5) _ rank ((stddev ((dekat, 20)))))) Perbedaan volume dan harga
Alpha # 25 rank ((((((-1 _ retur) _ adv20) _ vwap) _ (tinggi - dekat))) Tidak ada
Alpha # 26 (-1 * ts*max ((korélasi ((ts_rank ((volume, 5), ts_rank ((high, 5), 5), 3)) Perbedaan volume dan harga
Alpha # 28 Skala ((((korélasi ((adv20, rendah, 5) + ((tinggi + rendah) / 2)) - dekat)) Pergi dari belakang
Alpha # 30 (((1.0 - pangkat(((tanda(((pendek - penundaan(pendek, 1))) + tanda((penundaan(pendek, 1) - penundaan(pendek, 2)))) + tanda((penundaan(pendek, 2) - penundaan(pendek, 3)))))))) * jumlah ((volume, 5)) / jumlah ((volume, 20)) Kembali
Alpha # 31 ((rank(rank(rank(decay_linear((-1 * rank(rank(delta(dekat, 10)))), 10)))))) + rank (((-1 _ delta(dekat, 3)))) + tanda ((skala(korélasi ((adv20, rendah, 12)))))))) Perbedaan volume dan harga
Alpha # 35 (t)rank ((volume, 32) * (1 - tsrank ((((close + high) - low), 16))) * (1 - ts*rank ((returns, 32))) Tidak ada
Alpha # 36 (((((2.21 * rank(korrelasi((close - open), delay ((volume, 1), 15))) + (0.7 _ rank((open - close)))) + (0.73 _ rank(ts*rank(delay(((-1 * retur), 6), 5)))))))) + rank (((abscorrelation(vwap, adv20, 6)))))) + (0.6 _ rank (((((sum(close, 200) / 200) - open) _ (close - open))))) Tren
Alpha #39 ((-1 _ rank((delta(close, 7) _ (1 - rank(decay*linear((volume / adv20), 9)))))))))) * (1 + rank(sum ((kembali, 250)))) Perbedaan volume dan harga
Alpha#40 ((-1 * peringkat, tinggi, 10)) _ korelasi, volume, 10)) Perbedaan volume dan harga
Alpha # 43 (t)pangkat (volume / adv20), 20) * tspangkat (((-1 * delta ((dekat, 7)), 8)) Divergensi Kebalikan
Alpha # 44 (-1 * korelasi ((tinggi, pangkat ((volume), 5)) Perbedaan volume dan harga
Alpha # 45 (-1 _ ((rank((sum(delay ((close, 5), 20) / 20)) _ korelasi ((close, volume, 2)) * rank(correlation(sum(close, 5), jumlah ((close, 20), 2)))) Perbedaan volume dan harga
Alpha # 47 ((((rang((1 / close)) _ volume) / adv20) _ ((tinggi * rank((tinggi - close))) / (jumlah(tinggi, 5) / 5))) - rank((vwap - delay(vwap, 5)))))) Tidak ada
Alpha # 50 (-1 * ts*max ((rank ((correlation ((rank ((volume), rank ((vwap), 5)), 5)) Perbedaan volume dan harga
Alpha # 52 ((((-1 * tsMin ((low, 5)) + delay ((ts_min ((low, 5), 5)) * rank ((((sum ((returns, 240) - sum ((returns, 20)) / 220))) * tsperingkat (volume, 5)) Perbedaan volume dan harga
Alpha # 55 (-1 * korelasi ((rank(((dekat - ts_min(rendah, 12)) / (ts_max(tinggi, 12) - ts_min(rendah, 12)))), peringkat (volume), 6)) Perbedaan volume dan harga
Alpha #58 Undone Undone
Alpha # 59 Undone Undone
Alpha # 63 Undone Undone
Alpha # 67 Undone Undone
Alpha # 69 Undone Undone
Alpha#70 Undone Undone
Alpha # 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)) Tidak ada
Alpha # 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))) Tidak ada
Alpha # 76 Undone Undone
Alpha # 77 min(rank(decay_linear(((((high + low) / 2) + high) - (vwap + high)), 20.0451)), rank(decay_linear(correlation(((high + low) / 2), adv40, 3.1614), 5.64125))) Tidak ada
Alpha # 78 (rank ((korrelasi)) sum ((((low * 0.352233) + (vwap _ (1 - 0.352233)), 19.7428), sum ((adv40, 19.7428), 6.83313)) ^rank ((korrelasi)) rank ((vwap), rank ((volume), 5.77492))) Tidak ada
Alpha#80 Undone Undone
Alpha # 82 Undone Undone
Alpha # 83 ((rank(delay(((high - low) / (sum ((close, 5) / 5)), 2)) * rank ((rank(volume))) / (((high - low) / (sum ((close, 5) / 5)) / (vwap - close))) Tidak ada
Alpha # 85 (rank ((korélasi)) (high _ 0.876703) + (close _ (1 - 0.876703)), adv30, 9.61331)) ^rank ((korélasi)) (ts_rank ((((high + low) / 2), 3.70596), ts_rank ((volume, 10.1595), 7.11408))) Tidak ada
Alpha # 87 Undone Undone
Alpha # 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)) Tidak ada
Alpha # 89 Undone Undone
Alpha # 90 Undone Undone
Alpha # 91 Undone Undone
Alpha # 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)) Tidak ada
Alpha #93 Undone Undone
Alpha # 94 ((rank((vwap - ts_min(vwap, 11.5783))) ^ts_rank(korélasi ((ts_rank(vwap, 19.6462), ts_rank ((adv60, 4.02992), 18.0926), 2.70756)) * -1) Tidak ada
Alpha # 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) Tidak ada
Alpha # 97 Undone Undone
Alpha # 98 (rank ((decay_linear(correlation(vwap, sum ((adv5, 26.4719), 4.58418), 7.18088)) - rank ((decay_linear(ts_rank(ts_argmin(correlation(rank(open), rank ((adv15), 20.8187), 8.62571), 6.95668), 8.07206))) Tidak ada
Alpha#100 Undone Undone

Faktor Dikotomi

Nama faktor Rumus faktor FMZ Catatan
Alpha # 22 (-1 _ (delta ((korélasi ((tinggi, volume, 5), 5) _ rank ((stddev ((dekat, 20)))))) Kembali
Alpha # 27 ((0.5 < rank (((sum ((correlation ((rank ((volume), rank ((vwap), 6), 2) / 2.0)))? (-1 * 1) : 1) Perbedaan volume dan harga
Alpha #61 (rank (((vwap - ts*min(vwap, 16.1219))) < rank ((correlation ((vwap, adv180, 17.9282))) Perbedaan volume dan harga
Alpha # 62 ((rank ((correlation ((vwap, sum ((adv20, 22.4101), 9.91009)) < rank (((rank ((open) + rank ((open)) < (rank ((((high + low) / 2)) + rank ((high))))) * -1) Tidak ada
Alpha # 64 ((rank ((correlation(sum(((open * 0.178404) + (low _ (1 - 0.178404))), 12.7054), sum ((adv120, 12.7054), 16.6208)) < rank ((delta)) Tidak ada
Alpha # 65 ((rank ((korrelasi)) ((open _ 0.00817205) + (vwap _ (1 - 0.00817205)), jumlah ((adv60, 8.6911), 6.40374)) < rank ((open - ts*min ((open, 13.635))) * -1) Tidak ada
Alpha # 68 ((ts_rank(korélasi ((rank(tinggi), rank ((adv15), 8.91644), 13.9333) < rank ((delta(((dekat * 0.518371) + (rendah _ (1 - 0.518371)), 1.06157))) * -1) Tidak ada
Alpha # 74 ((rank ((korrelasi ((dekat, jumlah ((adv30, 37.4843), 15.1365))) < rank ((korrelasi)) rank (((high _ 0.0261661) + (vwap _ (1 - 0.0261661)))), rank ((volume), 11.4791))) * -1) Tidak ada
Alpha # 75 (rank ((correlation ((vwap, volume, 4.24304)) < rank ((correlation ((rank ((low), rank ((adv50), 12.4413))) Hubungan volume-harga
Alpha # 79 Undone Undone
Alpha # 81 ((rank(log(product(rank((rank(correlation ((vwap, total ((adv10, 49.6054), 8.47743)) ^4)), 14.9655))) < rank ((correlation ((rank(vwap), rank ((volume), 5.07914))) * -1) Tidak ada
Alpha # 86 ((ts_rank(korrelasi ((close, sum ((adv20, 14.7444), 6.00049), 20.4195) < rank (((((open + close) - (vwap + open)))) * -1) Tidak ada
Alpha # 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)) Tidak ada
Alpha # 99 ((rank ((correlation(sum ((high + low) / 2), 19.8975), sum ((adv60, 19.8975), 8.8136)) < rank ((correlation ((low, volume, 6.28259))) * -1) Tidak ada

Diimplementasikan pada platform FMZ

Situs resmi FMZ terbuka (FMZ.COM) untuk mendaftar dan masuk, klik Dashboard di sebelah kiri atas, dan pilih Analysis Tool di daftar di sebelah kiri, seperti yang ditunjukkan pada gambar berikut:

img

Pada halaman alat analisis, bagian atas adalah bilah pengaturan, yang dapat diatur dari kiri ke kanan: variasi, waktu awal dan akhir, periode, jenis gambar. Di bawah bilah pengaturan adalah area pengeditan rumus. Jika Anda tidak dapat menulis rumus, Anda dapat mengklik menu drop-down di bawah ini dan memilih rumus yang telah Anda edit. Ada banyak contoh rumus yang didukung di sini. Selain itu, alat analisis platform FMZ sudah mendukung sebagian besar rumus Alpha101 resmi, cukup klik dan gunakan. Klik rumus perhitungan untuk menampilkan hasil perhitungan di bagian bawah, ini mendukung beberapa metode ekspor data: gambar, tabel (CSV), JSON, dll.

img

Harus memperhatikan

Para trader dapat memilih parameter yang lebih tepat sesuai dengan simbol, periode, dan pengalaman mereka sendiri.

Faktor-faktor yang saling independen, dan superposisi beberapa faktor pada satu sama lain mungkin tidak selalu menghasilkan hasil yang lebih baik.

Faktor-faktornya tidak terbatas, Alpha101 hanyalah trik, saya percaya semua orang bisa mendapatkan inspirasi darinya dan membuat lebih banyak dan lebih baik faktor dan strategi perdagangan kuantitatif.

Untuk meringkas

Dalam banyak rumus faktor perdagangan, permukaan tampaknya tidak masuk akal, tetapi ada ide dan alasan tertentu di balik rumus. Tetapi satu-satunya konstanta di pasar adalah bahwa hal itu terus berubah, sehingga efektivitas faktor-faktor ini memiliki karakteristik non-linear dalam aplikasi praktis. Dengan kata lain, tidak ada faktor yang efektif dan selalu efektif, tidak ada metode perdagangan universal. Sebagai pedagang kuantitatif, Anda harus memiliki pikiran terbuka, pandai meringkas, dan menggunakannya untuk mencoba dan berinovasi untuk menghasilkan keuntungan di pasar yang terus berubah.

Berkaitan
Lebih banyak

2019 FMZ - Semua hak dilindungi