Quantlab整合Alpha158因子集，为机器学习大类资产配置策略做准备（代码+数据）

原创文章第565篇，专注“AI量化投资、世界运行的规律、个人成长与财富自由"。

我们的研报得现工作，用了两篇文章讲数据准备：

【研报复现】年化16.19%，人工智能多因子大类资产配置策略

【研报复现】年化27.1%，人工智能多因子大类资产配置策略之benchmark

今天我们来整理因子集。

研报里没有给出因子细节，我的解读是“根本不重要”。

因此，我就用qlib的Alpha158，结合部分WorldQuant101，还有常用的Ta-lib的技术分析指标来构建因子集。

我把函数集统一了命名，补充了一些函数：Alpha158可以正常工作了：

from datafeed.factor.alpha import AlphaBase


class Alpha158(AlphaBase):

    def get_fields_names(self):
        # ['CORD30', 'STD30', 'CORR5', 'RESI10', 'CORD60', 'STD5', 'LOW0',
        # 'WVMA30', 'RESI5', 'ROC5', 'KSFT', 'STD20', 'RSV5', 'STD60', 'KLEN']
        fields = []
        names = []

        # kbar
        fields += [
            "(close-open)/open",
            "(high-low)/open",
            "(close-open)/(high-low+1e-12)",
            "(high-greater(open, close))/open",
            "(high-greater(open, close))/(high-low+1e-12)",
            "(less(open, close)-low)/open",
            "(less(open, close)-low)/(high-low+1e-12)",
            "(2*close-high-low)/open",
            "(2*close-high-low)/(high-low+1e-12)",
        ]
        names += [
            "KMID",
            "KLEN",
            "KMID2",
            "KUP",
            "KUP2",
            "KLOW",
            "KLOW2",
            "KSFT",
            "KSFT2",
        ]

        # =========== price ==========
        feature = ["OPEN", "HIGH", "LOW", "CLOSE"]
        windows = range(5)
        for field in feature:
            field = field.lower()
            fields += ["shift(%s, %d)/close" % (field, d) if d != 0 else "%s/close" % field for d in windows]
            names += [field.upper() + str(d) for d in windows]

        # ================ volume ===========
        fields += ["shift(volume, %d)/(volume+1e-12)" % d if d != 0 else "volume/(volume+1e-12)" for d in windows]
        names += ["VOLUME" + str(d) for d in windows]

        # ================= rolling ====================

        windows = [5, 10, 20, 30, 60]
        fields += ["shift(close, %d)/close" % d for d in windows]
        names += ["ROC%d" % d for d in windows]

        fields += ["mean(close, %d)/close" % d for d in windows]
        names += ["MA%d" % d for d in windows]

        fields += ["std(close, %d)/close" % d for d in windows]
        names += ["STD%d" % d for d in windows]

        #fields += ["slope(close, %d)/close" % d for d in windows]
        #names += ["BETA%d" % d for d in windows]

        fields += ["ts_max(high, %d)/close" % d for d in windows]
        names += ["MAX%d" % d for d in windows]

        fields += ["ts_min(low, %d)/close" % d for d in windows]
        names += ["MIN%d" % d for d in windows]

        fields += ["quantile(close, %d, 0.8)/close" % d for d in windows]
        names += ["QTLU%d" % d for d in windows]

        fields += ["quantile(close, %d, 0.2)/close" % d for d in windows]
        names += ["QTLD%d" % d for d in windows]

        #fields += ["ts_rank(close, %d)" % d for d in windows]
        #names += ["RANK%d" % d for d in windows]

        fields += ["(close-ts_min(low, %d))/(ts_max(high, %d)-ts_min(low, %d)+1e-12)" % (d, d, d) for d in windows]
        names += ["RSV%d" % d for d in windows]

        fields += ["ts_argmax(high, %d)/%d" % (d, d) for d in windows]
        names += ["IMAX%d" % d for d in windows]

        fields += ["ts_argmin(low, %d)/%d" % (d, d) for d in windows]
        names += ["IMIN%d" % d for d in windows]

        fields += ["(ts_argmax(high, %d)-ts_argmin(low, %d))/%d" % (d, d, d) for d in windows]
        names += ["IMXD%d" % d for d in windows]

        fields += ["correlation(close, log(volume+1), %d)" % d for d in windows]
        names += ["CORR%d" % d for d in windows]

        fields += ["correlation(close/shift(close,1), log(volume/shift(volume, 1)+1), %d)" % d for d in windows]
        names += ["CORD%d" % d for d in windows]

        fields += ["mean(close>shift(close, 1), %d)" % d for d in windows]
        names += ["CNTP%d" % d for d in windows]

        fields += ["mean(closeshift(close, 1), %d)-mean(close 
计算出来Qlib的159个因子，
 
 
 
其实因子就是原始数据的数学变形。
 
在线性模型里还需要分析“多重共线性”的问题，但在机器学习里，反正就是一股脑进去，树模型还能把重要的特征筛选出来。
 
接下来就是数据集做一个量纲的统一，预处理之类的。
 
Qlib里有类似的预处理函数：
 
 
 
def __call__(self, df):
 
        def normalize(x, min_val=self.min_val, max_val=self.max_val):
 
            return (x - min_val) / (max_val - min_val)
 
这里的预处理需要格外小心，不能引入未来函数。
 
本质是是做归一化，避免量纲不同，模型训练失真。
 
研报结论是CSMinMax效果最好，所谓CSMinMax就是在截面（时间，即calc_by_date），也就是每天对因子数据进行MinMax的归一化。——这一点上符合逻辑，从机器学习的角度，每天的数据是一个样本，而样本进行minmax，相对大小没有发生改变，只是“归一化”到0-1之间，更符合特定分布。
 
def cs_minmax(se: pd.Series):
    return (se - se.min()) / (se.max() - se.min())
 
 
 
后续可以引入lightGBM机器学习模型，进行训练和策略开发。
 
有同学在问的优惠券：
 
 
阅读
 
《特斯拉传-万物皆我》，这本书读完了。
 
与其说读完了，不如说翻完了。
 
这本书确实写得一般，不同于传统传记，他的写作，更像是要与特斯拉融入一体，那种半梦半醒，活在自我构建的世界，那种感觉。
 
一个不为名，不为钱的怪才，狂热的科学实验爱好者。
 
注定是孤独的。
 
普通人无法成为特斯拉、图灵，我想也不愿意身边的人，成为他们。
 
但我们有可能“成为”爱迪生。——实用主义，解决问题，有美满的家庭，儿女成群，世人拥戴。
 
我想，只是欲望不过度，不伤害其他人，一定的财富与名利是好的。
 
本周要的书，估计是《点亮黑夜——爱迪生传》。
 
由于有这一次教训，我特意在电子书平台看了半章，确保内容不会再出现这样的问题。
 
“FIRE与退休”
 
之前聊过比较多“FIRE——财务自由，提前退休”的方式，也聊过“500，10%”的财务自由逻辑。
 
现在把这种方式，归入ABCZ的Z计划。
 
因为所谓退休，是一种心态。
 
即你不为设想中的明天而放弃今天的生活，就是退休的状态。
 
比如，你能很大程度上享受当下在做的事情，或者工作，就是一个退休之状态。
 
历史文章：
 
【研报复现】年化27.1%，人工智能多因子大类资产配置策略之benchmark
 
AI量化实验室——2024量化投资的星辰大海