alpha101-pipeline 0.1.0

DuckDB-powered factor research pipeline: formula engine, factor store, layered backtest

alpha101-pipeline

基于 DuckDB 的 A 股日内因子研究全流程工具链：公式引擎 → 因子存储 → 分层回测 → 可视化。

安装

pip install alpha101-pipeline
# 带绘图功能：
pip install "alpha101-pipeline[plot]"

快速上手

# 1. 重排面板数据（按 datetime, code 排序，TIMESTAMP 类型，多行组）
alpha101-reorder --input raw.parquet --output panel_sorted.parquet

# 2. 计算因子存入 store
alpha101-store add \
  --source panel_sorted.parquet \
  --store data/factors \
  --formula mom_12='ts_mean(delta(close,1),12)' \
  --formula rev_12='ts_mean(delta(close,1),12) * -1'

# 3. 回测全部因子
alpha101-backtest \
  --store data/factors \
  --out-dir output/backtest \
  --forward 12 --groups 10

# 4. 绘制分层图
alpha101-plot batch \
  --returns-root output/backtest/series \
  --reports-dir output/backtest/reports \
  --out-dir output/backtest/plots

Python API

from alpha101_pipeline import FactorStore, run_intraday_multi
from pathlib import Path

# 计算因子
store = FactorStore(Path("data/factors"))
store.add_factors(
    [("mom_12", "ts_mean(delta(close,1),12)")],
    source=Path("panel_sorted.parquet"),
)

# 回测
reports = run_intraday_multi(
    store.store_dir,
    ["mom_12"],
    source_panel=Path("panel_sorted.parquet"),
    factor_files={"mom_12": store.factor_path("mom_12")},
)

支持的函数

时序窗口函数（PARTITION BY 股票 ORDER BY 日期）

函数	说明
delay(x, d)	取 d 期前的值
delta(x, d)	与 d 期前的差值
ts_sum(x, d) / sum(x, d)	滚动求和
ts_mean(x, d) / mean(x, d) / sma(x, d)	滚动均值
ts_min(x, d) / min(x, d)	滚动最小值
ts_max(x, d) / max(x, d)	滚动最大值
ts_stddev(x, d) / stddev(x, d)	滚动标准差
ts_variance(x, d) / variance(x, d)	滚动方差
ts_count(x, d)	滚动非空计数
ts_count_not_nan(x, d)	滚动非 NaN 计数
ts_zscore(x, d)	滚动 Z-Score
ts_pct_change(x, d)	滚动百分比变化
product(x, d)	滚动乘积
decay_linear(x, d)	线性衰减加权和
ts_corr(x, y, d) / correlation(x, y, d)	滚动皮尔逊相关
ts_covariance(x, y, d) / covariance(x, y, d)	滚动协方差
bollinger_upper(x, d)	布林带上轨
bollinger_lower(x, d)	布林带下轨
ts_median(x, d) / median(x, d)	滚动中位数
ts_quantile(x, d, q) / quantile(x, d, q)	滚动分位数
wma(x, d)	加权移动平均
ts_skew(x, d) / skew(x, d)	滚动偏度
ts_kurt(x, d) / kurt(x, d)	滚动峰度
ts_mad(x, d) / mad(x, d)	滚动平均绝对偏差
ts_rank(x, d)	滚动时序排名
slope(x, y, d) / regr_slope(x, y, d)	滚动回归斜率
rsquare(x, y, d) / regr_r2(x, y, d)	滚动回归 R²
resi(x, y, d) / regr_resid(x, y, d)	滚动回归残差
idxmax(x, d) / ts_argmax(x, d)	滚动窗口最大值位置
idxmin(x, d) / ts_argmin(x, d)	滚动窗口最小值位置

截面函数（PARTITION BY 日期）

函数	说明
rank(x)	截面排名（百分位）
scale(x)	截面标准化到 [0, 1]
zscore(x)	截面 Z-Score
demean(x)	截面去均值

分组函数（PARTITION BY 日期 + 分组列）

函数	说明
group_mean(x, group)	分组均值
group_rank(x, group)	组内排名
group_neutralize(x, group) / indneutralize(x, group)	分组中性化
group_zscore(x, group)	组内 Z-Score

数学函数（标量）

函数	说明
abs(x)	绝对值
log(x)	自然对数
sqrt(x)	平方根
sign(x)	符号函数
exp(x)	指数
round(x)	四舍五入
floor(x)	向下取整
ceil(x)	向上取整
sin(x)	正弦
cos(x)	余弦
tan(x)	正切
signed_power(x, n) / power(x, n) / pow(x, n)	幂运算（保留符号）
min(x, y)	两值取小
max(x, y)	两值取大

工具函数

函数	说明
if(cond, then, else)	条件选择
fillna(x, val)	空值填充
clip(x, lo, hi)	截断到 [lo, hi]
is_finite(x)	是否有限值

不支持的函数（递归/状态型，无法用纯 SQL 表达）

ema, rsi, macd, atr, roc, obv, cci, mfi

运算符

优先级	运算符	说明
1（最高）	()	括号
2	^	幂运算（右结合：2^3^2 = 2^9 = 512）
3	-x	一元负号
4	* /	乘除
5	+ -	加减
6	> < >= <= == !=	比较（返回 1.0 / 0.0）
7（最低）	? :	三元条件（close > 100 ? 1 : 0）

回测输出指标

指标	说明
IC 均值 / ICIR	每日 Spearman 秩相关 IC 的均值和信息比率
MS（单调性得分）	相邻组收益方向一致比例（0~1，1.0 = 完美单调）
Spearman	组号 vs 年化收益的秩相关（-1~+1）
多空夏普 / 年化	最高组减最低组的多空组合绩效
分组年化收益	每个分层组的年化收益率

许可证

MIT