alpha-mining

WorldQuant BRAIN 量化研究项目

AI主导的量化Alpha研究系统 — 首个已提交Alpha：EUR Sharpe 1.84

---

最新里程碑 (2026-05-16)

首个 Alpha 成功提交: omnKPLX5 (A18)

• 表达式: zscore(-ts_max(vec_max(mean_loan_rate), 66)) * (group_rank(ts_mean(volume, 20), sector) > 0.03)
• 区域: EUR / TOPCS1600 / SECTOR / decay=6
• IS Sharpe: 1.84, Status: ACTIVE/OS

EUR 策略验证: mean_loan_rate w66 在 EUR 达到 1.81-1.84，高于 USA 同公式。EUR 新区竞争少，prod_corr 更容易通过。

---

快速开始

首次使用

# 1. 创建 Python 环境
python3.12 -m venv wq_env && source wq_env/bin/activate
pip install requests pandas

# 2. 配置 BRAIN 账号
cp worldquant_brain/config/user_config.json.example worldquant_brain/config/user_config.json
# 编辑填入邮箱密码

# 3. 验证
wq_env/bin/python -c "
from worldquant_brain.scripts.core.api_client import RetryableBrainClient
import asyncio
asyncio.run(RetryableBrainClient().ensure_authenticated())
print('OK')
"

详见 onboarding skill

日常使用

# Python环境
/home/zxx/wq_env/bin/python

# Alpha提交（必须用curl -L跟踪303）
python worldquant_brain/scripts/submit_alpha.py <alpha_id>

# 离线数据分析
python worldquant_brain/scripts/brain_data_scope.py star <dataset>
python worldquant_brain/scripts/brain_data_scope.py badge <dataset>

# 信号灯系统
python worldquant_brain/scripts/direction_radar.py <results.json>

# 论文驱动Alpha生成
python worldquant_brain/scripts/seed_alpha_generator.py

---

认知循环

PERCEIVE → PLAN → DISPATCH → REFLECT → REMEMBER → EVOLVE

阶段	工具	作用
PERCEIVE	brain_data_scope.py	离线查历史数据
PERCEIVE	CURRENT_STATE.md	当前进展
DECIDE	direction_radar.py	信号灯判断方向
EXECUTE	backtest_runner.py	批量回测
SUBMIT	submit_alpha.py	curl -L 提交
REMEMBER	ingest-all	导入结果到数据库

---

工具集

工具	来源	作用
brain_data_scope.py	帖子 #40091088861591	离线 SQLite 数据分析
direction_radar.py	帖子 #2009	信号灯系统 + 算子多样性
seed_alpha_generator.py	帖子 #39870945020183	arXiv 论文驱动 Alpha 生成
submit_alpha.py	项目自研	curl -L 正确提交 Alpha

---

核心法则

VECTOR数据 + vec_min/vec_max同向极值匹配

• 外层 ts_max → 内层 vec_max；外层 ts_min → 内层 vec_min
• zscore 包装成倍提升 Sharpe
• 优先 SECTOR 中性化

增量复杂度

• 0-op: rank/zscore（裸信号）
• 1-op: ts_mean/ts_decay/ts_delta
• 2-op+: 嵌套组合

EUR 特殊经验

• 窗口偏长（66 优于 22）
• decay 有帮助（4-6）
• trade_when 过滤成交量低的股票
• mean_loan_rate 优于 min_loan_rate
• prod_corr 门槛比 USA 低

---

数据集状态

数据集	区域	最佳 Sharpe	状态
shortinterest3	USA	2.45	❌ prod_corr 0.95
shortinterest3	EUR	1.84	✅ 已提交
shortinterest3	ASI	1.20	未达标
risk60	USA	2.37	❌ prod_corr > 0.9
analyst4	USA	1.17	未达标
15+ 其他数据集	USA	< 1.0	信号太弱

---

已提交 Alpha

编号	Alpha ID	区域	Sharpe	状态
A18	omnKPLX5	EUR	1.84	ACTIVE/OS
A19	0mAEmWL1	EUR	1.84	❌ SELF_CORR
A20	kqn3AA6O	EUR	1.64	❌ SELF_CORR
A21	YPNpRl2w	EUR	1.62	❌ SELF_CORR

---

架构

worldquant_brain/
├── engine/                  # 核心引擎
│   ├── backtest_runner.py   # 回测执行器
│   └── settings_manager.py  # 设置管理器
├── scripts/
│   ├── core/api_client.py   # API客户端
│   ├── submit_alpha.py      # Alpha提交 (curl -L)
│   ├── brain_data_scope.py  # 离线数据分析
│   ├── direction_radar.py   # 信号灯系统
│   └── seed_alpha_generator.py # 论文驱动生成
├── knowledge_base/
│   ├── memory/              # AI记忆
│   └── skills/              # 技能文档
│       ├── onboarding.md    # 首次启动指南
│       ├── alpha-submit.md  # 提交方法
│       └── skills-index.md  # 技能索引
├── data/
│   ├── field_analysis.db    # 离线分析数据库
│   └── forum.sqlite3        # 论坛知识库 (2173篇)
└── config/
    └── user_config.json     # BRAIN账号 (不提交Git)

---

PPA 提交标准

指标	要求
Sharpe	>= 1.58
Fitness	> 0.5
PPC	< 0.5
Margin	> Turnover
Turnover	> 0.01 且 < 0.7
ProdCorr	< 0.7
Weight Conc.	< 0.1

---

论坛知识集成

项目已集成三篇核心论坛帖子：

• #40091088861591 — brain-data-scope 离线分析工具
• #2009 — 信号灯系统 + 算子多样性理论
• #39870945020183 — seed_alpha_generator 论文驱动

---

最后更新：2026-05-16