From 2191160ddac7ee74ff4371035ce456539a22db40 Mon Sep 17 00:00:00 2001 From: claude_dev Date: Thu, 20 Aug 2026 13:22:13 +0800 Subject: [PATCH] =?UTF-8?q?docs(factor):=20=E5=9B=A0=E5=AD=90=E5=BA=93?= =?UTF-8?q?=E5=85=A8=E6=99=AF=E8=B0=83=E6=9F=A5=E6=8A=A5=E5=91=8A=E2=80=94?= =?UTF-8?q?=E2=80=94=E5=9B=A0=E5=AD=90=E8=B0=83=E7=A0=94session=E8=B5=B7?= =?UTF-8?q?=E6=AD=A5(C=E8=B5=B7=E6=AD=A5)=E2=80=94=E2=80=94=E2=91=A0?= =?UTF-8?q?=E6=9C=AC=E5=9C=B0=E7=9B=98=E7=82=B9:sanguo=5Ffactor=E7=AE=A1?= =?UTF-8?q?=E7=BA=BF=E9=BD=90(=E6=B3=A8=E5=86=8C=E8=A1=A8+alphalens?= =?UTF-8?q?=E8=AF=84=E4=BC=B0+web=20API)=E4=BD=86=E4=BB=857=E4=B8=AA?= =?UTF-8?q?=E5=9F=BA=E7=A1=80=E5=9B=A0=E5=AD=90;vnpy=E8=87=AA=E5=B8=A6Alph?= =?UTF-8?q?a101=E5=AE=8C=E6=95=B4=E8=A1=A8=E8=BE=BE=E5=BC=8F(100=E4=B8=AA,?= =?UTF-8?q?=E9=9B=B6=E7=A7=BB=E6=A4=8D)+Alpha158(qlib=E5=90=8C=E6=AC=BE)+4?= =?UTF-8?q?6=E7=AE=97=E5=AD=90=E5=85=A8=E8=A6=86=E7=9B=96;=E6=8E=A5?= =?UTF-8?q?=E5=85=A5=E7=BC=BA=E5=8F=A3=3Dvwap=E6=B4=BE=E7=94=9F=E5=88=97/A?= =?UTF-8?q?lphaLabSession=2050=E8=82=A1=E7=BC=93=E5=AD=98=E4=B8=8A?= =?UTF-8?q?=E9=99=90/=E6=89=B9=E9=87=8F=E5=90=9E=E5=90=90=E2=91=A1?= =?UTF-8?q?=E8=81=9A=E5=AE=BD250+=E5=9B=A0=E5=AD=90=E5=85=A8=E6=B8=85?= =?UTF-8?q?=E5=8D=95(=E5=AE=98=E6=96=B9=E6=96=87=E6=A1=A3=E7=9B=B4?= =?UTF-8?q?=E8=AF=BB):=E9=A3=8E=E9=99=A9=E6=A8=A1=E5=9E=8B(Barra=E5=BC=8F1?= =?UTF-8?q?0=E9=A3=8E=E6=A0=BC+21=E6=8F=8F=E8=BF=B0+16=20PRO)+=E5=9F=BA?= =?UTF-8?q?=E6=9C=AC=E9=9D=A2136(=E8=B4=A8=E9=87=8F70/=E5=9F=BA=E7=A1=8041?= =?UTF-8?q?/=E6=88=90=E9=95=BF10/=E6=AF=8F=E8=82=A115,=E7=AD=89P2=E5=9B=9E?= =?UTF-8?q?=E7=81=8C)+=E9=87=8F=E4=BB=B7104(=E9=9A=8F=E6=97=B6=E5=8F=AF?= =?UTF-8?q?=E5=81=9A);=E7=BB=93=E8=AE=BA=3D=E5=80=BC=E4=B8=8D=E4=B9=B0(?= =?UTF-8?q?=E8=AF=95=E7=94=A8=E6=8B=BF=E4=B8=8D=E5=88=B0=E8=BF=913?= =?UTF-8?q?=E6=9C=88+2026-08=E8=B5=B7=E6=B5=B7=E5=A4=96IP=E5=B0=81),?= =?UTF-8?q?=E5=85=AC=E5=BC=8F=E7=9B=AE=E5=BD=95=E6=9C=AC=E5=9C=B0=E5=A4=8D?= =?UTF-8?q?=E5=88=BB;jqfactor=5Fanalyzer(MIT)=E5=8F=AF=E7=99=BD=E5=AB=96?= =?UTF-8?q?=E2=91=A2=E8=A1=8C=E4=B8=9A:GTJA191=E5=85=AC=E5=BC=8F=E5=85=A8?= =?UTF-8?q?=E5=85=AC=E5=BC=80187/191=E5=8F=AF=E8=87=AA=E7=AE=97;QuantsPlay?= =?UTF-8?q?book(5851=E2=98=85)=E7=A0=94=E6=8A=A5=E5=A4=8D=E7=8E=B0?= =?UTF-8?q?=E5=85=A5=E5=8F=A3;aurumq-rl(MIT)polars=E5=90=8C=E6=9E=84?= =?UTF-8?q?=E5=B7=A5=E7=A8=8B=E8=8C=83=E6=9C=AC(296+11=20A=E8=82=A1?= =?UTF-8?q?=E7=A7=81=E6=9C=89=E5=9B=A0=E5=AD=90=E6=97=8F);Tushare=20202?= =?UTF-8?q?=E5=9B=A0=E5=AD=90=E5=85=AC=E5=BC=8F=E5=85=A8=E5=85=AC=E5=BC=80?= =?UTF-8?q?=E2=91=A3=E5=9B=9B=E6=89=B9=E8=B7=AF=E5=BE=84:101+158=E7=8E=B0?= =?UTF-8?q?=E5=9C=A8=E2=86=92GTJA191+=E8=81=9A=E5=AE=BD=E9=87=8F=E4=BB=B7?= =?UTF-8?q?=E2=86=92=E8=81=9A=E5=AE=BD=E8=B4=A2=E5=8A=A1(3=E5=91=A8?= =?UTF-8?q?=E5=90=8E)=E2=86=92Barra=E9=A3=8E=E6=A0=BC;=E8=A1=8C=E4=B8=9A?= =?UTF-8?q?=E4=B8=AD=E6=80=A7=3DIC=E6=95=B0=E6=8D=AE=E8=AF=B4=E8=AF=9D?= =?UTF-8?q?=E5=90=8E=E5=86=8D=E5=86=B3=E7=AD=96=20[nas]?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- .../2026-08-20-factor-library-survey.md | 259 ++++++++++++++++++ 1 file changed, 259 insertions(+) create mode 100644 docs/factor_research/2026-08-20-factor-library-survey.md diff --git a/docs/factor_research/2026-08-20-factor-library-survey.md b/docs/factor_research/2026-08-20-factor-library-survey.md new file mode 100644 index 0000000..4bfa689 --- /dev/null +++ b/docs/factor_research/2026-08-20-factor-library-survey.md @@ -0,0 +1,259 @@ +# 因子库全景调查报告 + +> 调研日期：2026-08-20 ｜ 调研 session：因子调研 +> 目的：为因子研究选起点（用户已拍板「C 起步」——先建评估能力和因子库，目的后定） +> 覆盖：本地已有家底 / 因子101 / 聚宽因子库 / 行业其他因子库 + +--- + +## 0. 结论速览 + +| # | 发现 | 一句话 | +|---|------|--------| +| 1 | **vnpy 源码自带 Alpha101 + Alpha158 全套表达式** | 第一批零移植成本，直接挂载用我们的数据重验 | +| 2 | 聚宽因子库 250+ 因子，**公式全公开但因子值要付费买** | 当「公式目录」用，本地 baostock 自算——不依赖它的 API | +| 3 | 行业梯队：qlib Alpha360、GTJA Alpha191、Barra CNE6 风格因子 | 第三批之后的长线弹药 | +| 4 | 我们的量价数据（1990+ 全A含退市）足以支撑所有价量类因子 | 数据不是瓶颈，评估管线才是 | + +**推荐路径**（详见 §5）：第一批 Alpha101 全量挂载重验 → 第二批聚宽公式本地化（质量/成长类，等 baostock 财务回灌完）→ 第三批 Barra 式风格因子（补 miniQMT 调研时定过的 CNE5 硬缺口）。 + +--- + +## 1. 本地家底盘点 + +### 1.1 因子基础设施（sanguo_factor/，已建成） + +| 组件 | 文件 | 现状 | +|------|------|------| +| 因子注册表 | `sanguo_factor/registry.py` | ✅ 表达式注册/查询/分类 | +| 表达式引擎 | vnpy.alpha AlphaDataset | ✅ 46 个算子（见 1.3） | +| 内置因子库 | `sanguo_factor/library.py` | ⚠️ 仅 7 个基础因子（ma5/ma10/return_1d 等占位水平） | +| 评估管线 | `sanguo_factor/analyzer.py` | ✅ alphalens：IC/ICIR/t统计 + tears HTML 报告 | +| 数据适配 | `sanguo_factor/data_adapter.py` | ✅ BarData→polars，接 dbbardata 日线 | +| Web API | `sanguo_api/routes.py` | ✅ POST /factor/analyze、GET /factor/list、任务报告页 | +| 测试 | `tests/factor/` | ✅ 5 个测试文件 | + +### 1.2 vnpy 自带数据集（关键发现，`vnpy_v4.4.0/vnpy/alpha/dataset/datasets/`） + +| 数据集 | 文件 | 内容 | 对我们的意义 | +|--------|------|------|-------------| +| **Alpha101** | `alpha_101.py`（330行） | WorldQuant 论文原版 100 个因子，全部表达式实现 | 第一批直接挂载，无需移植 | +| **Alpha158** | `alpha_158.py` | qlib 风格特征集：39 个基础定义 × 多窗口(3/5/10/20/30/60)展开 ≈158 个 | 白送第二套；标签已定义为「未来3日收益」，适合 ML 特征 | + +### 1.3 算子能力（46 个） + +- **时序 ts_（23个）**：delay/delta/mean/std/sum/min/max/argmax/argmin/rank/quantile/corr/cov/decay_linear/slope/rsquare/resi/product/abs/log/greater/less +- **横截面 cs_（5个）**：rank/mean/std/sum/scale +- **数学（9个）**：abs/log/greater/less/pow1/pow2/sign/quesval/quesval2 +- **技术指标（2个）**：ta_atr/ta_rsi + +Alpha101 论文所需算子全覆盖（含三元表达式 quesval/quesval2 对应论文的 if-else 结构）。 + +### 1.4 数据就绪度 + +| 数据 | 状态 | 支撑哪类因子 | +|------|------|-------------| +| 全A日线 1990+（含退市股） | ✅ 就绪 | Alpha101/158、聚宽情绪/动量/技术/风险类 | +| 15分钟线（5.5年） | ✅ 就绪 | 未来日内因子 | +| 财务季频（profit/dupont） | 🔄 P2 回灌中（~3周跑完 2015Q1+） | 聚宽质量/成长/每股类 | +| 业绩预告/快报（带公告日） | ✅ 8-20 刚交付 | 事件驱动因子（聚宽没有的差异化点） | +| 估值 pe/pb（parquet） | ✅ 就绪 | 价值类、Barra btop | +| 行业分类 | ⚠️ 已知缺口（用户已决策接受） | 行业中性化受限（见 §2.4 注意） | + +### 1.5 接入缺口（第一批落地前要补的） + +1. **vwap 派生列**：Alpha101 用 vwap 59 次，dbbardata 无此列 → data_adapter 补 `vwap = turnover / volume`（注意 volume=0 除零，停牌日置 null） +2. **股票池宽度**：AlphaLabSession 缓存上限 50 只股票——横截面因子（cs_rank）做全市场 IC 评估时不够，需扩到全A或按需分批 +3. **批量评估吞吐**：101 因子 × 全A × 多年的 tears 生成是重活，需要批处理模式（只出 IC 汇总表、tears 按需生成） + +--- + +## 2. 因子101（WorldQuant 101 Formulaic Alphas） + +### 2.1 基本信息 + +- 来源：WorldQuant 2015 年论文《101 Formulaic Alphas》（Kakushadze），量化界最著名的公开因子集 +- 全部为**短周期量价因子**，只依赖 open/high/low/close/volume/vwap/returns（个别含 cap、行业中性） +- vnpy 自带实现 100 个表达式（论文 101 个中含 1 个工业界普遍不实现/合并的） + +### 2.2 结构画像（从 `alpha_101.py` 源码统计） + +| 结构要素 | 出现次数 | 含义 | +|---------|---------|------| +| cs_rank（横截面排名） | 165 | 几乎每个因子都先「跟全市场比」——WorldQuant 风格灵魂 | +| ts_corr（时序相关性） | 70 | 最大单一结构：量价相关性反转逻辑 | +| vwap | 59 | 成交均价偏离类信号 | +| ts_rank（时序分位） | 62 | 自身历史位置 | +| ts_mean / ts_delta / ts_rank / ts_decay_linear | 53/48/62/40 | 均值回复、动量、平滑 | +| 窗口分布 | 5天(54) > 20天(38) > 10天(31) | 典型短周期（周频~月频） | + +### 2.3 逻辑分类（按主导结构，约数） + +| 类别 | 代表结构 | 大致占比 | +|------|---------|---------| +| 量价相关性 | `ts_corr(rank(价), rank(量), N) * -1` | ~1/3（最大群） | +| 反转类 | `-rank(ts_delta(close,N))` 变体 | ~1/4 | +| 波动率/振幅位置 | `ts_std`、`(close-open)/(high-low)` 类 | ~1/6 | +| 成交量异动 | `volume vs ts_mean(volume,N)`、量变动量 | ~1/8 | +| 日内K线位置 | open/close 相对 high/low 位置、隔夜跳空 | ~1/10 | +| 复合嵌套 | 多算子深嵌套（如 alpha#1） | 其余 | + +### 2.4 A股使用注意事项 + +1. **效力需重验**：论文为 2015 年美股短周期设计，A股 2018-2025 表现必须用数据说话，不能假设成立 +2. **横截面宽度**：cs_rank 需要宽股票池才有意义（建议全A剔除ST/新股后 ~4500+ 只） +3. **行业中性**：论文少数因子用 IndNeutralize，vnpy 实现未含行业算子——我们行业数据是已知缺口，第一批先做「不中性化」版本，效果若被行业结构污染再决策补行业数据 +4. **同质化**：101 个因子很多互相相关性 >0.8，评估后需聚类去重，实际独立信息可能只有 20~40 个维度 +5. **vwap 口径**：A股 vwap=成交额/成交量，注意停牌日、一字板极端值 + +--- + +## 3. 聚宽因子库（JoinQuant） + +### 3.1 总体定位 + +- 聚宽官方**预计算因子数据库**，官方口径「数百个」，文档直读合计 **250+ 个**（另有 alpha101/alpha191 系列 292 个） +- 天频（每天 05:00 更新前一交易日），仅覆盖股票，基于**后复权**价格 +- 财务类因子口径：**对应日期能获取到的最新一期单季度数据 + TTM**（防前视口径与我们 pubDate 过滤思路一致） + +### 3.2 因子分类全景（250+ 个） + +**板块A：风险模型因子（Barra 式）** + +| 类目 | 数量 | 代表因子 | +|------|------|---------| +| 风格因子（已加工的因子暴露） | 10 | size/beta/momentum/residual_volatility/non_linear_size/book_to_price_ratio/liquidity/earnings_yield/growth/leverage（即 CNE5 十大风格） | +| 描述因子（原始值，风格因子的原料） | 21 | raw_beta/daily_standard_deviation/share_turnover_monthly/earnings_growth/debt_to_assets 等 | +| 风格因子PRO（CNE6 升级版） | 16 | btop/divyild/earnqlty/earnvar/earnyild/financial_leverage/invsqlty/liquidty/long_growth/ltrevrsl/market_beta/market_size/midcap/profit/relative_momentum/resvol | +| 行业因子（哑变量） | 三套体系 | 证监会/聚宽一二级/申万一二三级 | + +**板块B：基本面及量价因子** + +| 类目 | 数量 | 数据依赖 | 我们能否本地自算 | +|------|------|---------|----------------| +| 质量 quality | 70 | 财务三表 | 🔄 可（吃 baostock profit/dupont，等 P2 回灌完） | +| 基础 basics | 41 | 财务三表 | 🔄 同上 | +| 成长 growth | 10 | 财务 | 🔄 同上（含 PEG） | +| 每股 per_share | 15 | 财务+股本 | 🔄 同上 | +| 情绪 sentiment | 38 | 量价 | ✅ 可（dbbardata 现成：VROC/VR/VOL/DAVOL/ARBR/WVAD/PSY/ATR/VMACD 等） | +| 风险 risk | 12 | 量价 | ✅ 可（Variance/Skewness/Kurtosis/Sharpe 各周期） | +| 技术 technical | 16 | 量价 | ✅ 可（BOLL/EMA/MACD/MFI 等） | +| 动量 momentum | 38 | 量价 | ✅ 可（BIAS/CCI/ROC/RSI系/TRIX/52周分位/AROON 等） | + +**板块C：Alpha 系列**：alpha101（WorldQuant）+ alpha191（国泰君安，聚宽对原论文缺失/不合理公式做了调整，数据字典逐因子说明） + +### 3.3 获取方式与成本（关键约束） + +| 途径 | 要求 | 限制 | +|------|------|------| +| 聚宽研究平台（云端） | 聚宽账号 | jqfactor 内置模块，平台内使用 | +| 本地 jqdatasdk | JQData 账号 | **试用**：100万条/天，但**拿不到最近3个月数据**（实盘滚动场景不可用）；**付费**：2亿条/天，价格商务谈 | +| IP 限制 | — | **2026-08-01 起仅大陆 IP**（我们 VPS 可，海外出口不可） | + +### 3.4 开源情况 + +| 项目 | 性质 | 结论 | +|------|------|------| +| jqfactor_analyzer（622★，MIT/Apache） | **因子分析工具**（IC/分位收益/换手/归因，中文版 alphalens + Barra 归因） | ✅ 可白嫖，**分析自有因子无需登录**；它的 AttributionAnalysis 归因框架对我们有参考价值 | +| jqdatasdk（896★） | 数据 SDK 壳 | 仅壳开源（README），核心逻辑闭源在 PyPI wheel 里 | +| jqfactor 因子库本体 | — | **不开源** | + +### 3.5 对我们的结论 + +- ❌ **不买因子值**：试用号拿不到近3个月数据实盘不可用；付费价格不透明且引入外部依赖 +- ✅ **公式目录价值大**：官方 factor_values 文档把 250+ 因子的计算方法写全了（本报告 3.2 即摘自官方文档原文），质量/成长/每股类可逐个用 baostock 数据复刻 +- ✅ **jqfactor_analyzer 可选装**：作为 alphalens 的补充（尤其 Barra 式归因），本地分析自有因子零成本 +- 📌 优先级建议：量价类 104 个（情绪38+风险12+技术16+动量38）与财务就绪度无关**随时可做**；财务类 136 个等 P2 回灌完（约3周）自然解锁——和第一批 Alpha101 时间线刚好错开 + +--- + +## 4. 行业其他因子库全景 + +### 4.1 经典论文/研报因子集（定义全公开，可本地自算） + +| 因子集 | 数量 | 来源 | 定义公开度 | 数据依赖 | 我们可自算 | +|--------|------|------|-----------|---------|-----------| +| **Qlib Alpha158** | 158（9 K线形态+4价格+29算子×5窗口） | 微软 qlib（MIT，47.8k★） | ✅ 源码即公式 | OHLCV+VWAP | ✅（vnpy 已自带同款） | +| **Qlib Alpha360** | 360（60日×6字段归一） | 同上 | ✅ | OHLCV+VWAP | ✅（端到端 ML 用） | +| **GTJA Alpha191** | 191 短周期量价 | 国泰君安 2017 研报 | ✅ 公式 100% 公开（BigQuant wiki 全 191 条） | OHLCV+VWAP+amount；4个需基准指数 | ✅ 187/191（指数双源后=全部可） | +| **Barra CNE5** | 10 风格 + 21 描述变量 | MSCI 2012 | 方法论公开到描述变量公式级（权重不公开） | 量价+财务+股本/市值+行业 | 🔄 部分（行业缺口） | +| **Barra CNE6** | 9 一级 + 20 二级 + 46~48 三级 | MSCI 2018-12（新增 Quality 大类；非线性市值并入 Size） | 同上 | 上述 + **分析师一致预期**（我们无） | 🔄 部分（预期是硬缺口） | + +注：Alpha101 开源实现现状——star 最多的 yli188（852★）只覆盖 83/101 且无许可证停更；**vnpy 自带的 polars 表达式版 100 个是覆盖度/工程性最好的实现之一**，无需外求。 + +### 4.2 值得特别关注的两个开源仓库 + +| 仓库 | star | 为什么值得关注 | +|------|------|---------------| +| **hugo2046/QuantsPlaybook** | 5,851 | **券商研报复现大全**：100+ 策略，因子构建 20+（东方系列、方正量价系、筹码分布、买卖压力等），每文件夹带原研报 PDF+复现代码。A股票研报因子落地代码的第一入口 | +| **yupoet/aurumq-rl** | 39（小众但 2026 仍活跃，MIT） | **工程化最深的当代实现**：polars 原生 105 Alpha101 + 191 GTJA191 + 11 个 A股私有因子族（筹码/龙虎榜/涨停/游资/北向等）；1,386 测试通过，每因子一页文档，T+1/涨跌停/ST/申万行业都有工程封装。与我们「polars 表达式引擎」路线同构，是最好的移植参考 | + +其他：DolphinDB 版 101+191（Apache-2.0，唯一带性能 benchmark）、panda_factor（2,792★，⚠️AGPL 传染性注意）、RD-Agent（微软 14k★，因子自动挖掘方向，非现成因子表）。 + +### 4.3 券商研报因子体系（PDF，非代码，但因子定义大多完整公开） + +| 券商 | 规模 | 代表性因子工作 | +|------|------|---------------| +| 华泰金工（林晓明团队） | 人工智能系列 100 篇 | AlphaNet 端到端因子挖掘（30日×6量价→神经网络）、遗传规划挖因子、2025 年 LLM 生成高频因子 300 个 | +| 东方证券金工 | 因子选股系列 100+ 篇 | 分析师 alpha 子库、DFQ 遗传规划挖掘系统、基本面因子重构 | +| 方正证券金工 | 多因子系列 23+ 篇 | 文学命名量价因子（聪明钱/球队硬币/花隐林间/适度冒险等），**官网月度发布因子绩效跟踪**（多空收益公开可对标） | + +获取入口：QuantsPlaybook（复现代码）+ quant-wiki/慧博/发现报告（PDF）。 + +### 4.4 商业平台因子库（公式部分公开，值收费——只当公式参考） + +| 平台 | 规模 | 公式公开度 | 值获取 | +|------|------|-----------|--------| +| Tushare | 自研 202 因子/9 类（Alpha101量价31/Growth15/Liquidity35/Momentum20/Quality59/Risk25/Value11/Size3/Reversal3）+ 技术面套 | ✅ **factor_list() 全公开算法逻辑** | 全库 2000 元/年 | +| BigQuant | cn_stock_prefactors 官方口径「上千个」 | 部分（wiki 挂 Alpha191 全公式） | 免费注册云端用，导出受限 | +| 米筐 RQData | 财务衍生+Alpha101+技术指标 | 部分 | 商业订阅 | +| AkShare | 无因子接口（1000+ 原始数据接口） | — | 免费开源（当原料用） | + +### 4.5 数据依赖映射（本地数据层 × 因子库覆盖） + +| 本地数据 | 状态 | 能解锁的因子 | +|---------|------|-------------| +| dbbardata OHLCV+成交额（→vwap 可派生） | ✅ | Alpha101（83+非中性化子集）/Alpha158/Alpha360/GTJA191（187/191）/聚宽量价 104/Tushare 量价类 | +| 指数双源（P0 刚加固） | ✅ | GTJA191 剩余 4 个、Tushare Risk 类 beta/alpha | +| bs_fundamentals 季频（pubDate 对齐） | 🔄 回灌中 | Barra Growth/Quality/Leverage/EY 描述变量、聚宽财务 136、Tushare Quality/Growth/Value（~85 个） | +| valuation（PE/PB） | ✅ | Size/BTOP、价值类 | +| 行业分类 | ⚠️ 缺口（已决策接受） | IndNeutralize 类 Alpha101 子集、Barra 行业因子受限 | +| 分析师一致预期 | ❌ 无源 | CNE6 情绪类、华泰一致预期因子（开源无替代，长期缺口） | +| 分钟线/tick | 🔄 NAS 5m 在建；tick 无 | 方正/华泰高频因子（长线） | +| 龙虎榜/北向/筹码 | ❌ 未接 | aurumq-rl 私有因子族（数据源另接，akshare 部分可取） | + +--- + +## 5. 总对比与路径建议 + +### 5.1 全景对比（按我们「本地自算」可行性排序） + +| 批次 | 因子库 | 数量 | 就绪条件 | 成本 | +|------|--------|------|---------|------| +| **第一批（现在）** | vnpy 自带 Alpha101 + Alpha158 | 100+158 | 补 vwap 派生列 + 扩股票池缓存 | 接管道，零移植 | +| **第二批（第一批后）** | GTJA Alpha191（公式移植）+ 聚宽量价类精选 | 191+~50 | 同上；指数已就绪 | 公式→表达式移植（有 MIT 参考实现可抄） | +| **第三批（~3周后财务回灌完）** | 聚宽质量/成长/每股类 + Tushare 公式参考 | ~136 | P2 回灌完 | 逐因子实现财务计算 | +| **第四批（长线）** | Barra 风格因子（CNE5 十大类） | 10 风格+21 描述 | 财务+股本就绪；行业中性先绕开 | 合成逻辑复杂，选做 | +| **长线参考** | 券商研报因子（QuantsPlaybook 入口）/AlphaNet 挖掘范式 | 数百 | 按需 | 按需 | + +### 5.2 核心判断 + +1. **量价因子我们已是「数据富矿」**：全A 1990+ 含退市股 + 指数双源 + polars 引擎，第一、二批共 ~350 个量价因子的原料全部就绪 +2. **财务因子时间线自然错开**：P2 回灌 3 周 ↔ 第一二批执行期，回灌完财务类自然解锁 +3. **行业中性是持久约束**：第一批先做不中性化版本；如果 IC 结果显示行业结构污染严重，再回头决策是否补行业数据（申万一级，akshare 可拉）——把它当「数据驱动的决策」而不是现在拍 +4. **两个外部仓库值得收藏**：QuantsPlaybook（研报因子复现入口）、aurumq-rl（polars 因子工程范本，与我们技术路线同构） +5. **不建议的路线**：买 Tushare/聚宽因子值（引入外部依赖+实盘滚动不可用）、上 panda_factor（AGPL 传染）、现在就做 CNE6（预期数据无源） + +--- + +## 附：本报告调研来源 + +- 本地：`vnpy_v4.4.0/vnpy/alpha/`（源码实证）、`sanguo_factor/`（模块实证） +- 聚宽：官方文档 https://www.joinquant.com/help/api/help?name=factor_values（因子清单主文档，直读全文）；jqdatasdk/jqfactor_analyzer GitHub + PyPI 元数据 +- qlib：https://github.com/microsoft/qlib（源码 `qlib/contrib/data/loader.py` 实读） +- Alpha101 开源实现：https://github.com/yli188/WorldQuant_alpha101_code 等（GitHub API 实抓元数据） +- GTJA191：https://github.com/wpwpwpwpwpwpwpwpwp/Alpha-101-GTJA-191 ；公式总表 https://bigquant.com/wiki/doc/Pyf0TYya6H +- Barra：https://github.com/ShiliangZhang-nku/Barra_CNE6 ；https://zhiqiang.org/finance/barra-cne5s-methodology.html +- 券商研报：https://github.com/hugo2046/QuantsPlaybook ；https://quant-wiki.com ；慧博/发现报告 +- 平台：https://tushare.pro/document/2?doc_id=486 ；https://bigquant.com/data/datasources/cn_stock_prefactors ；https://akshare.akfamily.xyz +- aurumq-rl：https://github.com/yupoet/aurumq-rl（polars 296+11 因子族，工程范本）