构建公式化的Alpha因子
介绍
在量化交易实践中,设计能够解释和预测未来资产收益的新因子对策略的盈利能力至关重要。这些因子通常被称为alpha因子,或简称为alphas。
公式化Alpha因子,顾名思义,是一种可以以公式或数学表达式呈现的Alpha因子。
在 Qlib
中构建公式化Alpha因子
在 Qlib
中,用户可以轻松地构建公式化的Alpha因子。
示例
MACD,即移动平均收敛/发散,是用于股票价格技术分析的一种公式化Alpha因子。它旨在揭示股价走势中的强度、方向、动量和持续时间的变化。
MACD 可以用以下公式表示:
\[MACD = 2\times (DIF-DEA)\]
备注
DIF 代表差值,即12周期指数移动平均值减去26周期指数移动平均值。
\[DIF = \frac{EMA(CLOSE, 12) - EMA(CLOSE, 26)}{CLOSE}\]
DEA 代表DIF的9周期指数移动平均值。
\[DEA = \frac{EMA(DIF, 9)}{CLOSE}\]
用户可以使用 数据处理器(Data Handler)
在 qlib 中构建公式化因子 MACD。
备注
用户需要首先使用 qlib.init 初始化 Qlib
。请参考 初始化。
>> from qlib.data.dataset.loader import QlibDataLoader
>> MACD_EXP = '(EMA($close, 12) - EMA($close, 26))/$close - EMA((EMA($close, 12) - EMA($close, 26))/$close, 9)/$close'
>> fields = [MACD_EXP] # MACD
>> names = ['MACD']
>> labels = ['Ref($close, -2)/Ref($close, -1) - 1'] # label
>> label_names = ['LABEL']
>> data_loader_config = {
.. "feature": (fields, names),
.. "label": (labels, label_names)
.. }
>> data_loader = QlibDataLoader(config=data_loader_config)
>> df = data_loader.load(instruments='csi300', start_time='2010-01-01', end_time='2017-12-31')
>> print(df)
feature label
MACD LABEL
datetime instrument
2010-01-04 SH600000 -0.011547 -0.019672
SH600004 0.002745 -0.014721
SH600006 0.010133 0.002911
SH600008 -0.001113 0.009818
SH600009 0.025878 -0.017758
... ... ...
2017-12-29 SZ300124 0.007306 -0.005074
SZ300136 -0.013492 0.056352
SZ300144 -0.000966 0.011853
SZ300251 0.004383 0.021739
SZ300315 -0.030557 0.012455
参考
要了解更多关于 Data Loader
的信息,请参考 Data Loader
要了解更多关于 Data API
的信息,请参考 Data API