DolphinDB
作者DolphinDB2019-06-14 09:29
软件开发工程师, 浙江智臾科技

最简最快的WorldQuant 101 Alpha因子实现

字数 2612阅读 1920评论 0赞 3

DolphinDB是一款高性能分布式时序数据库,它特别适用于投资银行、对冲基金和交易所的定量查询和分析,可以用于构建基于历史数据的策略测试。下面我们将举例说明如何在DolphinDB中快速构建Alpha因子或Signal。

WorldQuant LLC发表的论文101 Formulaic Alphas中给出了101个Alpha因子公式。很多个人和机构尝试用不同的语言来实现这101个Alpha因子。本文中,我们例举了较为简单的Alpha #001和较为复杂的Alpha #098两个因子的实现,分别使用了2行和4行SQL代码,可谓史上最简。

因子介绍

Alpha#001公式:

  • rank(Ts_ArgMax(SignedPower((returns<0?stddev(returns,20):close), 2), 5))-0.5

Alpha#98公式:

  • (rank(decay_linear(correlation(vwap, sum(adv5,26.4719), 4.58418), 7.18088))- rank(decay_linear(Ts_Rank(Ts_ArgMin(correlation(rank(open), rank(adv15), 20.8187), 8.62571), 6.95668) ,8.07206)))

这两个因子在计算时候既用到了cross sectional的信息,也用到了大量时间序列的计算。也即在计算某个股票某一天的因子时,既要用到该股票的历史数据,也要用到当天所有股票的信息,所以计算量很大。

需要的数据

输入数据为包含以下字段的table:

symbol:股票代码
date:日期
volume:成交量
vwap:成交量的加权平均价格
open:开盘价格
close:收盘价格

在计算Alpha #001因子时,只需要股票代码、日期和收盘价格三个字段。

代码实现

def alpha1(stock){
    t= select date,symbol ,mimax(pow(iif(ratios(close) < 1.0, mstd(ratios(close) - 1, 20),close), 2.0), 5) as maxIndex from stock context by symbol
    return select date,symbol, rank(maxIndex) - 0.5 as A1 from t context by date
}

def alpha98(stock){
    t = select symbol, date, vwap, open, mavg(volume, 5) as adv5, mavg(volume,15) as adv15 from stock context by symbol
    update t set rank_open = rank(open), rank_adv15 = rank(adv15) context by date
    update t set decay7 = mavg(mcorr(vwap, msum(adv5, 26), 5), 1..7), decay8 = mavg(mrank(9 - mimin(mcorr(rank_open, rank_adv15, 21), 9), true, 7), 1..8) context by symbol
    return select symbol, date, rank(decay7)-rank(decay8) as A98 from t context by date 
}

以上代码使用了DolphinDB的一些内置函数:

pow:计算指数幂
iif:条件运算函数
ratios:对向量X的每个元素,计算X(n)\X(n-1)
mstd:在滑动窗口中计算标准差
mavg:在滑动窗口中计算平均值
mcorr:在滑动窗口中计算相关性
msum:在滑动窗口中求和
mrank:返回元素在滑动窗口的按升序或降序排序后的位置
mimin:返回滑动窗口中最小值的索引位置
mimax:返回滑动窗口中最大值的索引位置。

所有的核心代码都用SQL实现,对用户非常方便,可读性也很好。SQL中最关键的功能是context by子句实现的分组计算功能。与group by每个组产生一行记录不同,context by会输出跟输入相同行数的记录,所以我们可以方便的进行多个函数嵌套。cross sectional计算时,我们用date分组。时间序列计算时,我们用symbol(股票代码)分组。

性能分析

我们使用美国证券市场从2007年到2016年总共11,711只股票进行回测。每个股票每个交易日产生一个因子值, 总共产生1700万个因子值。使用单线程计算:Alpha #001因子耗时仅6秒,复杂的Alpha #098因子耗时仅26秒。我们的客户最初使用C#编程来计算,不仅代码复杂,而且性能不佳,Alpha #098耗时超90分钟,性能相差200倍以上。DolphinDB的高性能得益于它的设计思路和技术架构。

在计算Alpha因子时,除了要考虑性能问题,代码的简洁性和可读性也不容忽视。DolphinDB实现Alpha #001因子只需要2行核心代码,实现Alpha #098因子仅需要4行核心代码,而其他系统实现则需要大段代码。为什么DolphinDB的实现如此简洁?这得益于DolphinDB功能强大的脚本语言。在DolphinDB中,脚本语言与SQL是完全融合在一起的,SQL查询可以直接赋给一个变量或作为函数的参数。DolphinDB的SQL引擎除了支持标准的SQL以外,还为大数据分析特别是时间序列数据分析做了很多有用的扩展。比如上面使用到的context by是DolphinDB的特色之一,它相当于其他系统(SQL Server、PostgreSQL)的窗口函数,但是它比其他系统的窗口函数功能强得多,语法上也更简洁灵活,对面板数据非常友好。DolphinDB内置了许多与时序数据相关的函数,并进行了优化,大幅度提高了计算性能,比如上面使用到的mavg、mcorr、mrank、mimin等计算滑动窗口指标的函数复杂度仅为O(n)或O(nlogk), k为窗口大小。。

如果觉得我的文章对您有用,请点赞。您的支持将鼓励我继续创作!

3

添加新评论0 条评论

Ctrl+Enter 发表

作者其他文章

X社区推广