DolphinDB 一键集成 Qlib Alpha158，158个量价指标开箱即用

DolphinDB
0 阅读5分钟

在量化投资中，因子是构建选股模型和机器学习模型的重要输入。常见的价格趋势、波动率、成交量、K 线形态等指标，本质上都是不同类型的量化因子。通过组合多个因子，研究人员可以更全面地刻画股票特征，挖掘潜在的 Alpha 收益。

随着机器学习在量化投资中的广泛应用，研究过程中通常需要计算数百甚至上千个因子作为模型特征，其中大量是业内长期使用的经典量价指标。这类因子的计算逻辑已经较为成熟，在不同项目中经常需要重复实现。为了减少重复开发、提高研究结果的一致性，业界通常会将这些基础因子整理成标准化因子库，作为量化研究和机器学习建模的基础。

为此，微软开源量化平台 Qlib 提供了两套标准因子库，其中 Alpha158 是应用最广泛的基础量价因子库之一，系统整理了 158 个经典技术指标，涵盖 K 线形态、价格走势、成交量、滚动统计等多个维度，已成为许多量化研究和机器学习模型的数据基础。

为了方便用户直接使用，DolphinDB 使用原生脚本实现了 Alpha158 全部 158 个因子的计算函数，并封装为 alpha158 模块。用户无需自行编写因子公式，即可直接调用完成历史数据和实时数据上的因子计算。

本文介绍了该因子库的基本规范，并以KMID因子为例，展示因子库在批计算、流计算中的应用。

注意：本教程包含的所有代码兼容 DolphinDB 3.00.5 及以上版本。

数据准备

Alpha158 的所有因子都基于统一的数据格式进行计算，因此在调用之前，需要先完成两项准备工作：统一字段名称，以及将行情数据转换为因子计算所需的数据结构。

为了简化整个过程，DolphinDB 提供了辅助模块 alpha158Prepare.dos，其中主要提供三类函数：

  • prepareData：统一数据字段名称，完成标准化处理；

  • alpha158Prepare：将行情数据转换为因子计算所需的矩阵，并以字典形式组织；

  • alpha158Cal*：封装完整计算流程，自动完成数据准备并调用对应因子函数。

载入模块和数据方法如下，data 为准备好的数据：

use alpha158 
use alpha158Prepare 
login('admin', '123456') 
rawData = loadText("/YOUR_DIR/datatest.csv") 
startTime = timestamp(2010.01.01) 
endTime = timestamp(2010.01.31) 
data = prepareData(rawData=rawData, startTime=startTime, endTime=endTime, securityidName="securityid", tradetimeName="tradetime", openName="open", closeName="close", highName="high", lowName="low", volName="vol", vwapName="vwap")

因子计算

完成数据准备后，即可直接调用 Alpha158 中的各类因子进行计算。

首先使用 alpha158Prepare 对行情数据进行预处理，将原始数据转换为 Alpha158 因子所需的输入格式：

use alpha158 
input = alpha158Prepare(data, startTime, endTime)`

下面以 KMID 因子为例，直接调用对应的因子函数即可完成计算。

res = alpha158::kmid(input.close, input.open)

如果希望进一步简化调用过程，也可以直接使用辅助模块提供的 alpha158Cal* 系列函数。将数据准备和因子计算封装为一步操作。以上 KMID 因子的计算过程，也可以直接写成：

use alpha158Prepare 
res = alpha158CalKmid(data, startTime, endTime)`

支持实时流计算

除了历史批量计算外，Alpha158 模块同样支持实时流计算。

借助 streamEngineParser，同一套因子代码可以直接用于流计算，无需针对实时场景重新开发或维护另一套实现。用户只需在 metrics 中调用 Alpha158 因子函数，系统便会自动完成相应流计算引擎的构建。

对于包含滚动窗口的因子，系统会自动选择适合的时序状态引擎；对于逐条计算的因子，则采用状态引擎执行。整个过程无需额外配置，真正实现了同一套因子代码同时支持历史批计算和实时流计算。

下面仍以 KMID 因子为例，在 streamEngineParser 中直接调用 kmid(close, open) 即可完成实时计算，因子本身无需任何修改。

//定义输入输出的表结构
inputSchema = table(1:0,["SecurityID", "TradeTime", "open", "close"],[SYMBOL, TIMESTAMP, DOUBLE, DOUBLE])
resultStream = table(10000:0, ["SecurityID", "TradeTime", "factor"], [SYMBOL, TIMESTAMP, DOUBLE])
//调用 alpha158 模块，并在 streamEngineParser 中使用 kmid 函数：
use alpha158
metrics = <[SecurityID, kmid(close, open)]>
streamEngine = streamEngineParser(
    name="alpha158KmidParser",
    metrics=metrics,
    dummyTable=inputSchema,
    outputTable=resultStream,
    keyColumn="SecurityID",
    timeColumn=`TradeTime,
    triggeringPattern='keyCount',
    triggeringInterval=4000
)
//将数据注入引擎，即可在 resultStream 输出表中查看结果：
streamEngine.append!(inputData)
res = exec factor from resultStream pivot by TradeTime, SecurityID

小结

DolphinDB 对微软 Qlib Alpha158 因子库中的全部 158 个经典量价因子进行了原生实现，并封装为统一模块。用户无需重复实现基础因子，即可完成历史批量计算和实时流计算，并使用统一接口快速开展因子研究。

点击 dolphindb.com/downloads/t…~

目前，DolphinDB 已陆续实现 WorldQuant 101 Alpha、国泰君安 Alpha191、CSAP 横截面资产定价因子库、 Qlib Alpha158等多套业内常用因子库，持续完善量化研究基础能力，为因子开发、模型训练和策略研究提供统一、高性能的计算支持。

avatar
文章
阅读
粉丝