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）
- 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）
- 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
- 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
- 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
- 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）
- 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
- 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
- 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
- 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
- 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
- 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
- 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）
- 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
