yuxuanhui
54 lines
5.3 KiB
Markdown
54 lines
5.3 KiB
Markdown
# 四类机制型 Alpha idea
|
||
|
||
下面的流程是研究伪代码，字段名来自原帖。数值全部是作者自报的样本内/平台结果，不是本次复现；不要用结果最高的版本代替机制验证。
|
||
|
||
## 1. SNR：基本面偏离的信噪比
|
||
|
||
**假设**：相同幅度的基本面变化，在历史噪音较小的股票上更有信息。用长期标准化的信号，除以短窗标准化信号的滚动波动，再做组内处理。
|
||
|
||
原帖字段包括 `enterprise_value`、`fnd6_newqint_ibq`、`fnd31_pfcomtt`。结构为 `ts_zscore(a, long) / ts_std_dev(ts_zscore(a, short), vol_window)`，再按 country/subindustry 等比较组处理。不同字段不能自动沿用同一正负方向。
|
||
|
||
作者给出 USA/GLB/EUR IS Sharpe 1.83/1.85/2.59，约束后降到 1.10/1.28/2.08；其中一个例子仍有 OS checks pending。说明约束与验证状态比原始最佳数值更有决策价值。
|
||
|
||
**建议实验**：分别回测分子、倒数分母、二者比值；检查零/近零分母与低波暴露；比较不同年份、成本约束及组内处理。先固定窗口，再看方向和持仓。若只有倒数分母有效，就不应解释成“基本面显著性”。不能把这个比值直接称为统计显著性检验或 t 值。
|
||
|
||
来源：[【Alpha Idea】不看幅度看"显著性"：一个信噪比（SNR）模板在 USA / GLB / EUR 三个市场的因子化尝试](https://support.worldquantbrain.com/hc/en-us/community/posts/43179521660823)（发帖 2026-09-02，社区经验）。
|
||
|
||
## 2. 机构持仓：聪明钱还是拥挤
|
||
|
||
**假设**：持仓变化可能先体现信息、后体现拥挤；持续平滑后的加仓可能表现为反转。
|
||
|
||
数据集 `institutions18`。作者比较 `cur_holding - pre_holding` 与 `cur_mv - vm_erp`；以持仓股数差的平滑负向信号，结合市值分桶后的组内 rank。原帖 GLB/MINVOL1M、Delay1；20–40 日是作者测试范围，不是通用周期。
|
||
|
||
作者将市值差 20 日版本与股数差比较，APAC Sharpe 从 0.23 改善到 1.23；最终候选 Sharpe 2.78，但分区域表现不对称。这个对照的价值在于区分“持仓行为”与“价格上涨导致持仓市值增加”。
|
||
|
||
**建议实验**：拆开股数变化、价格变化、持仓水平；双向测试动量/反转；核对真实披露日与修订数据、同一基金持仓重复、地区覆盖。对平滑窗口做有限敏感性分析，不把几十日的结果推广到所有机构资金流。
|
||
|
||
来源：[【Alpha Idea】机构持仓变化与拥挤反转：institutions18 在 GLB 市场的因子化尝试](https://support.worldquantbrain.com/hc/en-us/community/posts/43151729306647)（发帖 2026-09-01，社区经验）。此帖可从论坛取得，但并未出现在本次匹配到的同名邮件通知中，说明不能只依赖邮箱。
|
||
|
||
## 3. 关注度脉冲：Wikipedia 访问量
|
||
|
||
**假设**：短期关注跃升可能早于交易反应；关注度水平容易混入长期知名度。
|
||
|
||
原帖先聚合 `snt7_all_languages_views`，经有限回填、短窗峰值和平滑、历史强度处理，再去除 `snl27_relpopularity08` 的热门度方向。DEU/TOP500、Delay1，示例使用 SUBINDUSTRY、decay 16。这里保留步骤而不照抄各算子位置参数，避免将帖子写法当成已验证语法。
|
||
|
||
作者自报 Sharpe 2.04、Fitness 1.92，同时承认约 90% 收益集中在 2021–2022。后者是核心风险，不能被“所有检查通过”掩盖。
|
||
|
||
**建议实验**：关注水平 vs 脉冲；去除热门度前后；不回填 vs 有限回填；分疫情期/非疫情期；正负事件分解。尝试新闻或搜索热度替代时重新验证覆盖、频率和相关性，不能假设相同窗口通用。
|
||
|
||
来源：[【Alpha Idea】维基百科关注度的"突压"信号(sent)在德国DEU市场的因子化尝试](https://support.worldquantbrain.com/hc/en-us/community/posts/43179860065303)（发帖 2026-09-02，社区经验）。
|
||
|
||
## 4. 订单流攻击性与双频测量
|
||
|
||
**假设**：主动买入信息在流动性高低的股票中以不同速度消化，因此需要快、慢两种测量。
|
||
|
||
`pv103_ivam_sum` 为主字段，`session_1600to1600_total_traded_volume` 用于比率，`session_1600to1600_market_value` 作为流动性门控。作者在 GBR/TOP700/Delay1 使用短窗比率标准化与长窗绝对量标准化，示例窗口 21/500 日；再以自适应换手整形、行业回填、面板约束组成候选。
|
||
|
||
作者自报 Sharpe 1.96、Fitness 1.58、Turnover 24.3%、Margin 13.07bp；测试过 500+ 变体。这是复杂搜索后的单数据集案例，阈值 0.28 与窗口不能视为外部证实的最优值。
|
||
|
||
**建议实验**：单快、单慢、双路由；成交额门控 vs 成交量门控；不同成交成本与不同年份。核对单位和零分母，检查慢分支是否主要暴露于规模，比较参数邻域，保留每一次试验以衡量选择偏差。
|
||
|
||
**需纠正的解释**：付 spread 不必然代表知情交易；不同数据集也不必然正交。原帖把目标换手 0.15 称为“年化 15%”，本次未取得该算子正式口径，不沿用这个单位断言。回填也不能保证每只股票都有可交易持仓。
|
||
|
||
来源：[【Alpha Idea】谁在付 Spread？——订单流攻击性、半衰期分层与一个双引擎架构的诞生](https://support.worldquantbrain.com/hc/en-us/community/posts/43181411147287)（发帖 2026-09-02，社区经验）。
|