yuxuanhui
a1b160e1b0
- Added new sections on missing data handling and experimental variables in data and signal semantics (2026-09-25). - Included clarifications on clustering representatives and candidate evaluations in portfolio and correlation optimization (2026-09-25). - Updated README to reflect the latest forum synchronization and new post counts, including significant additions and revisions across multiple topics (2026-09-25).
5.9 KiB
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?（官方，更新 2026-08-30）；Can I run Python Alpha simulations via the API?（官方，更新 2026-06-27）；Does Python Alpha support multi-simulation (multi_sim)?（官方，更新 2026-06-27）；Can Python Alphas be selected as components in a SuperAlpha?（官方，更新 2026-06-27）；Can Python Alphas be submitted in the Power Pool competition?（官方，更新 2026-07-17）；Can a Python Alpha count toward my pyramid number?（官方，更新 2026-07-17）；Do Python Alphas count toward my Genius signal count and cap?（官方，更新 2026-07-17）；Can I simulate Python Alphas over a shorter date range?（官方，更新 2026-06-12）；Are there any Python Alpha templates or example Alphas to start from?（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（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（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（发帖 2026-08-06，社区经验）；Python Alpha 平台限制粗略小结，请大佬指正（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（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（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。