量化研究---alpha002量化因子分析研究检验

小果量化交易量化研究
小果量化交易量化研究 专做量化开发研究,微信xg_quant

0 人点赞了该文章 · 12 浏览

继续分享量化因子alpha002,前面分析了alpha001的量化因子的思路
因子检验---alpha001因子有效分析研究科普
今天在把算法迁移到ptrade,感觉不同的平台接口不一样,还是比较考验代码能力
图片
先了解一下因子的建立
图片
图片
python计算原理代码
def alpha002(data, dependencies=['closePrice','lowestPrice','highestPrice'], max_window=2):    # -1*delta(((close-low)-(high-close))/(high-low),1)    win_ratio = (2*data['closePrice']-data['lowestPrice']-data['highestPrice'])/(data['highestPrice']-data['lowestPrice'])    return win_ratio.diff(1) * (-1)  # 注意:删除了 .iloc[-1]
其中 delta(x, 1) 表示 x 相对于前一根 K 线的差值,即 x(t) - x(t-1)
所以完整公式为
Alpha002 = - [ R(t) - R(t-1) ]
图片
数据原理
图片
 R 的几何意义
在一根 K 线(最高价 H,最低价 L,收盘价 C)中:
close - low:收盘价距离最低点的幅度(下影线 + 实体下方)
high - close:收盘价距离最高点的幅度(上影线 + 实体上方)
相减:衡量 收盘价在 K 线中的偏移方向与程度。
若 C 接近 H:close-low 大,high-close 小 → R 接近 +1
若 C 接近 L:close-low 小,high-close 大 → R 接近 -1
若 C 接近中点:R 接近 0
所以 R ∈ [-1, 1],可视为归一化的收盘偏移强度。

 Delta 与负号的作用
delta(R, 1):R 的变化趋势(上升 / 下降)
取负号:反转变化方向
因此 Alpha002 高 → R 快速下降;Alpha002 低 → R 快速上升。
因子的交易逻辑与思路
图片
该因子捕捉 K 线内部收盘价偏移方向的短期反转,而非趋势延续。当 R 快速上升时(收盘价持续走强),因子产生负值,提示卖出或减仓;当 R 快速下降时,因子正值,提示买入。这是一种 均值回归 / 反转型因子,尤其适合震荡市场。
Alpha002 是一个典型的日内收盘偏移反转因子,通过测量收盘价在 K 线中的相对位置的变化速度,捕捉极短期的价格回归行为。它在量化交易中常用于构建高频或日内的均值回归策略,尤其适合与趋势因子搭配使用。
流程图
图片
我利用因子分析框架,利用全市场的etf数据分析这个因子,计算全部的因子数据
图片
因子的分组检验
图片
分组统计
图片

图片
ic分析
图片
图片
IC 衰减分析
图片
分层收益绩效
图片
图片
图片
不懂的问我就可以,加我备注入群可以加入量化研究群
图片
因子的概括,需要结合其他因子优化完善

发布于 19 小时前

免责声明:

本文由 小果量化交易量化研究 原创发布于 百果量化交流平台 ,著作权归作者所有。

登录一下,更多精彩内容等你发现,贡献精彩回答,参与评论互动

登录! 还没有账号?去注册

暂无评论