Alpha101 是什么

WorldQuant 于 2015 年公开的 101 个量价因子：公式结构、数据依赖、信号周期特征，以及在因子拥挤环境下的定位。

2015 年，WorldQuant 的研究员 Zura Kakushadze 公开了一篇论文《101 Formulaic Alphas》，把 101 个真实用于交易的量价因子原原本本写了出来。这就是 Alpha101。

公式结构

每个因子都是一个纯公式，仅以价量数据为输入，输出一个可用于截面排序的评分。例如 Alpha#101：

alpha101 = (close - open) / ((high - low) + 0.001)

当日实体涨跌幅占振幅的比例，衡量日内多空力量的净方向。更典型的复合形态如 Alpha#001：

alpha001 = rank(ts_argmax(signedpower(((returns < 0) ? stddev(returns, 20) : close), 2), 5)) - 0.5

公式拆解：先按条件选取「收益为负时的波动率 / 否则取收盘价」，平方后取过去 5 天最大值出现的位置，最后做截面 rank。所有组件均为标准算子的嵌套。

读完 101 个因子，会发现它们高度同构：

输入只有价量：open / high / low / close / volume / vwap / returns / cap / adv{d}，外加行业分类 IndClass。不依赖财报、新闻、另类数据。

几乎都以 rank 收尾：因子值本身的绝对大小没意义，截面上的相对排名才是信号——这决定了整套系统是「截面」问题而非「时序」问题。

短周期：回看窗口大多在几天到二十几天，信号半衰期约 0.6–6.4 天。这意味着它天然偏高频，和周频（5 日）调仓存在张力。

字段	含义	在本系统的来源
`open/high/low/close/volume`	日频 OHLCV	Alpaca，落 `kline_data`
`returns`	日收盘到收盘收益	预处理 DWD
`vwap`	日成交量加权均价	预处理 DWD
`cap`	市值	预处理 DWD
`adv{d}`	过去 d 天平均成交金额	算子层计算（注意是金额不是股数，见 adv 的语义背叛）
`IndClass`	行业 / 板块分类	`fetch_classification.py`，供 `indneutralize`

一个 2015 年公开、广为人知的因子集，是否仍具备超额收益？

客观判断：单因子 Alpha 随拥挤度上升而持续衰减，且存在踩踏风险。Alpha101 在本系统中的价值不在于某个因子的绝对收益，而在于它提供了一套数量充足、彼此正交、可批量评估的因子原料。系统的核心竞争力在于持续生产、测试与淘汰因子的工程化能力。详见反思与路线图。

深度解读 Alpha101

逐个拆解 101 个因子的构造逻辑、信号特征与实战表现，配合代码实现与回测验证。

核心概念辨析：截面 rank、IC、中性化都在这里。

手册：3. 因子与信号 DWS——101 个因子在代码里怎么实现。