alphalens-cna

中国 A 股的因子研究工具链 —— alphalens 的替代品。

它不只算 IC，还要回答 "这个 IC 可不可信"。

pip install alphalens-cna            # 依赖只有 numpy / pandas / scipy

为什么不用 alphalens

实测（同一份真实 A 股月频面板）：

六道防线

长什么样

上图由 python examples/make_charts.py 生成，数据是合成的 —— clone 下来就能自己重跑。用私有数据出的图表放在 docs/cases/， 那里明确标注了不可复现：本库的卖点是"证据可复现"， 读者只能看不能验的图，不该拿来当门面。

三分钟上手

import alphalens_cna as acna

# 1) 一行式：体检 → 成交规则 → 清洗 → 分层 → IC → 推断 → 报告
rep = acna.build_report(factor, prices, calendar,
                        horizons=(21, 63, 126, 252),
                        n_trials=4,              # 你一共测过几个假设
                        crash_threshold=-0.5)    # 崩盘=一年腰斩
print(rep.verdict)          # 结论 + 尾部风险，都带不确定性
open('report.md', 'w').write(rep.to_markdown())

报告九节：结论 / 数据体检 / 样本账 / IC / Newey-West / 分层 / 尾部风险 / 换手 / 剔除明细。

想知道"数据能不能用"

h = acna.health_check(prices=px, factor=f, tradability=t, calendar=cal)
print(h)                    # 10 项：复权连续性 / 存活偏差 / 覆盖率 / OHLC / 因子冻结 …
print(h.warnings)           # 直接塞进报告头部

它抓到过的真问题：某分析缓存里 0/339 只退市股（数据在库里，却从没进过分析）； PIT 财务表里 705 只股票的 roe = 0 占位被当成真值。

想知道"结论靠不靠少数样本"

acna.pfs(ic_series)                       # 扰动鲁棒性 [0,1]
acna.robustness_report(ic_series)         # 多组扰动并列
acna.rank_stability(factor)               # RRE：排名结构稳定性
acna.tail_by_quantile(clean, threshold=-.5)   # 崩盘率 / CVaR

为什么需要尾部统计：实测同一份数据里，把退市股放回样本后 RankIC 反而变弱（−0.059 → −0.040），但最低分位的腰斩率从 3.2% 跳到 4.3%、 差异 t = −3.10。秩相关看不见"联合极值簇" —— 只看 IC 会漏掉整个灾难性下行维度。

不想凭记忆填 n_trials

led = acna.ResearchLedger('roe_study.jsonl')
led.record(goal='roe', factor='roe', horizon=21, t=-1.42)   # 每测一次记一笔
acna.assess(ic=ic, n_trials=led.n_trials('roe'))            # 自动数，不是猜
led.check_n_trials(claimed=3, goal='roe')                   # 抓"低报校正基数"

案例库

docs/cases/ 收录 22 份研究报告。它们不是文档，是这个库的开发过程本身 —— 每一份都对应一次真实的数据核查或方法争论，每一条结论都能用仓库里的脚本复现。

几个值得一看的：

这些报告的数字同时是回归基线：库的改动如果让其中任何一份的数字变了， 要么是 bug，要么是一次需要写进报告的修正。

报告里的图表与数字来自私有数据，不可复现；可复现的示范见 examples/（只用合成数据）。

输入格式

核心包不认识任何具体数据源，只认契约对象；字段、单位、目录约定见 docs/输入数据规格.md。一句话：三价并存 —

• raw_* 原始不复权价 —— 只用于制度判定（涨跌停 / ST / 报价单位）
• adj_factor 复权因子 —— 唯一真相
• adj_* 复权价 —— 只用于收益计算

私有数据源（mongo、内部 parquet）的适配器放在 examples/，不进核心包。

设计原则

1. 推断与计算分离 —— analysis/ 只算，inference/ 才判断
2. 契约强制执行 —— 前视、复权口径这类错误是硬拒绝，不是文档提醒
3. 每一步剔除都可归因 —— 带原因的账，不许无脑 dropna
4. 不给单一数字 —— 估计量自带有效样本量与不确定性
5. 不夸大显著性 —— 重叠观测修正、多重检验校正、NW 方差下限（vif ≥ 1）
6. 发现的偏差自己先报 —— 这个库的开发过程里修正过三次自己的结论

状态

M0 / M1 完成，M2 进行中。

许可证

Apache License 2.0 —— 见 LICENSE。