docs/worldquant-knowledge-base/02-ai-mining/python-alpha.md

# Python Alpha：先选对场景，再增加表达力

FastExpr 已能表达的简单机制，先用它建立基线。需要自定义变换、跨步状态或更复杂机器学习逻辑时，再评估 Python 的收益是否值得额外正确性与运行成本。

## 当前取得官方证据的边界

| 能力 | 官方说明 |
| --- | --- |
| 自定义计算 | 可自定义算子、复杂时序、持久状态、机器学习；清洗和公司行为调整责任增加 |
| API | 支持 `brain.simulate()`/`brain.simulate_async()`；Labs 外需 PYTHON 语言与 lookback 设置 |
| multi_sim | 不支持，仅单条 simulation |
| SuperAlpha | Python Alpha 不能作为组件 |
| Power Pool | Python Alpha 不符合参赛资格 |
| Pyramid / Genius signal | 官方分别答复可以计入 |
| 缩短日期范围 | start_date/end_date 仅用于 Labs simulation，不影响真实后台 simulation |
| 起步模板 | Labs 的 quick-start notebook 与 `alpha_example.py` |

来源：[What are the advantages of Python Alphas over Fast Expression Alphas?](https://support.worldquantbrain.com/hc/en-us/articles/41142997585943)（官方，更新 2026-08-30）；[Can I run Python Alpha simulations via the API?](https://support.worldquantbrain.com/hc/en-us/articles/41143237730711)（官方，更新 2026-06-27）；[Does Python Alpha support multi-simulation (multi_sim)?](https://support.worldquantbrain.com/hc/en-us/articles/41143256748183)（官方，更新 2026-06-27）；[Can Python Alphas be selected as components in a SuperAlpha?](https://support.worldquantbrain.com/hc/en-us/articles/41143165313815)（官方，更新 2026-06-27）；[Can Python Alphas be submitted in the Power Pool competition?](https://support.worldquantbrain.com/hc/en-us/articles/41143131195671)（官方，更新 2026-07-17）；[Can a Python Alpha count toward my pyramid number?](https://support.worldquantbrain.com/hc/en-us/articles/41143114222999)（官方，更新 2026-07-17）；[Do Python Alphas count toward my Genius signal count and cap?](https://support.worldquantbrain.com/hc/en-us/articles/41143111825303)（官方，更新 2026-07-17）；[Can I simulate Python Alphas over a shorter date range?](https://support.worldquantbrain.com/hc/en-us/articles/41143262103191)（官方，更新 2026-06-12）；[Are there any Python Alpha templates or example Alphas to start from?](https://support.worldquantbrain.com/hc/en-us/articles/41143071092119)（官方，更新 2026-06-27）。

## 转写必须做的对照（建议）

- 固定股票顺序、交易日、delay、mask、缺失哨兵、回填方式与 corporate actions 处理；缺失值不能一律填零。
- 区分截面 rank 与时序 rank；检查窗口是否包含当日、初始化多久、历史不足怎样处理。
- 对小样本逐日比较中间数组，再比较最终权重和 PnL；最终 Sharpe 相近不能证明数值等价。
- 行业中性化不等于减去全市场均值，pasteurize/neutralize/scale 的先后需要明确。
- 只有必要时持久化 state；保存状态会影响重启与复现，避免泄漏未来信息。
- 返回 dtype、形状、字段类型支持和 lookback 上限从当前 Labs 示例与实际接口核对，不照搬旧帖数字。

社区两阶段方法先 FastExpr 探测、再 Python 深化，有助于限制搜索成本；作者声称的耗时提升未经本次复现。5 月“lookback≤115”和 8 月“50–350”范围相冲突，因此本库不提供固定上限，也不沿用“不支持 GLB/GROUP/VECTOR”的历史断言。

来源：[[Python Alpha 挑战赛]Python Alpha两阶段筛选法：FastExpr快速验证 + Python深度优化](https://support.worldquantbrain.com/hc/en-us/community/posts/41135490599063)（发帖 2026-06-11，社区经验）；[从 Fast 翻译到 Python Alpha 别急着炫技：截面/时序错位是头号杀手，事件漂移和中性化层级是隐形雷](https://support.worldquantbrain.com/hc/en-us/community/posts/42047259261335)（发帖 2026-07-18，社区经验）；[【经验分享】Python Alpha 30名心得：从 FastExpr 到 Python，我用 17 个 alpha 趟出来的一条路](https://support.worldquantbrain.com/hc/en-us/community/posts/42519002511767)（发帖 2026-08-06，社区经验）；[Python Alpha 平台限制粗略小结，请大佬指正](https://support.worldquantbrain.com/hc/en-us/community/posts/40742727142679)（发帖 2026-05-26，社区经验）。

本次没有安装或运行 BRAIN Labs Python SDK，所以这里只提供官方入口与迁移验证设计，不提供宣称可直接运行的 SDK 脚本。

## 2026-09-25 补充：频域与 PCA 实现先验算

[FFT 复现纠错帖](https://support.worldquantbrain.com/hc/en-us/community/posts/43640747372695)（2026-09-21）指出一个可直接验算的恒等式：对同一输入 x 的互补频带，slow + fast = x，因此 slow − x 与 −fast 是同一条腿，混合权重不会产生新信息。这只适用于所示互补分解及一致预处理，不能泛化为所有慢快信号必然共线。

原帖的其余“修正”仍需审查。对称 Hann 窗末端为零只能推出重构后的 slow[-1] + fast[-1] = 0，不能单凭这一点断言两个分量各自为零或必然衰减固定倍数。正文提倡前值填充，但修正版实际用窗口列均值填缺失；二者不是同一种经济假设。代码 `hist[-WIN:]` 在 WIN=65 时取 65 行，与注释宣称的 66 行也不一致。14–17 倍加速、泄漏比例和回测效果均为作者报告，本库未运行代码。

[PCA 特质残差反转帖](https://support.worldquantbrain.com/hc/en-us/community/posts/43692787685015)（2026-09-23）可作为待验证的自估风险模型思路，但代码 `cs[H-1:] - cs[:-H+1]` 每项相减的累计索引间隔为 H−1，不能直接标成 H 日收益和；它还将非有限收益填零，需核对缺失、上市历史与股票池影响。作者报告 IND 有效而 EUR/USA/HKG 不佳，并将 PnL 相关 0.963 称作“恒等变换”；这是近似经验，非数学恒等。不得照搬其地区结论或部分正交化系数。