GTJA191 vs Alpha101 因子库横评：跑横截面选股到底选谁？快速选型指南

GTJA191 vs Alpha101 因子库横评跑横截面选股到底选谁快速选型指南【免费下载链接】Vibe-TradingVibe-Trading: Your Personal Trading Agent项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Tradinggtja191 和 alpha101 都听说过但 A 股研报公式和美股论文公式到底差在哪谁在你的目标市场上更稳本文用 Vibe-Trading 内置的Alpha Zoo 因子动物园和alpha bench 因子横评工具当统一尺子从公式风格、适用市场到验证成本逐项对比这两套经典因子库最后给出一张按场景落地的选型对照表。一个 alpha_001用同名文件读懂两套因子库的风格这一节回答两套库的因子长什么样差别直观吗有个有意思的细节两套库的第一个因子文件都叫 alpha_001.py这对同名双胞胎恰好最能说明风格差异。agent/src/factors/zoo/gtja191/alpha_001.py数据需求只要 OHLCV 里的 volume、close、open 三列不碰基本面公式(-1 * CORR(RANK(DELTA(LOG(VOLUME),1)), RANK((CLOSE-OPEN)/OPEN), 6))即成交量变化与日内收益的 6 日负相关专挑放量不涨的量价背离定位用途A 股横截面选股信号元数据把适用市场声明为equity_cn。agent/src/factors/zoo/alpha101/alpha_001.py数据需求只用到 close 一列公式rank(ts_argmax(SignedPower(...), 5)) - 0.5SignedPower、ts_argmax、rank 多操作符串在一起定位用途美股/印度/韩国横截面选股元数据声明equity_us / equity_in / equity_kr。gtja191 更像本地向导熟门熟路地摸 A 股量价脾气alpha101 更像通用公式手册手法普适但落地前得先试试合不合身。差异盘点一张七行对照表这一节回答两库的全部差异能不能压成一页看维度gtja191alpha101出处文档国泰君安 2014 年 alpha 研报Kakushadze 2015 年论文arXiv:1601.00991因子数量191 个101 个声明适用市场A 股equity_cn美股/印度/韩国equity_us / equity_in / equity_kr数据输入仅 OHLCV无基本面仅 OHLCV无基本面代表操作符RANK、DELTA、CORR、取负ts_rank、decay_linear、SignedPower、ts_argmax公式复杂度中两三层嵌套统计高多操作符深嵌套主要主题量价、反转、微观结构动量、反转、波动率、微观结构机制上两库住在同一栋楼里每个文件都带统一的compute(panel)入口和__alpha_meta__元数据主题标签、公式、预热 bar 数、适用市场由 registry.py 做 AST 扫描并按严格 pydantic 校验数值正确性由 test_gtja191_part1_samples.py、test_gtja191_part2_samples.py、test_alpha101_samples.py 锁死操作符层面还禁止前视delta只接受正向窗口不存在负移算子。验证方法一条命令跑横评看 alive/reversed/dead 分布这一节回答怎么把哪个好用从口头判断变成数字在终端里分别跑两条 bench报告默认落在~/.vibe-trading/reports/vibe-trading alpha bench --zoo gtja191 --universe csi300 --period 2020-2025 --top 20 vibe-trading alpha bench --zoo alpha101 --universe sp500 --period 2020-2025 --top 20每个因子会算出 IC 均值因子值与未来收益横截面相关性的平均、IRIC 均值除以 IC 标准差、IC 为正比例再按阈值分级逻辑在 bench_runner.pyaliveic_mean 0.02IC 为正比例 ≥ 55%且 |t| 2reversedic_mean -0.02 且 |t| 2——方向是反的取反之后照样能用⚪dead其余全部。报告除按 IR 列出 Top 因子并附公式外还自动做多重检验校正把你从上百个因子里搜出的最佳 IR和纯运气下能搜出的最大值相减给出 deflated 概率——这一步专门防搜出来的幸存者。进阶玩法点名对决vibe-trading alpha compare gtja191_001 alpha101_001 --sort ir只评估你点名的因子并标出与榜首的差距CLI 与 Web 端共用同一套 compare_runner.py 核心严格闸门alpha bench加--strict追加同股票池随机对照与训练/测试切分--oos-split指定切分日分级细化为 confirmed_alive / train_only / reversed_strict / noise专筛只跟市场 beta 的伪因子实现见 bench_runner_strict.py问 Agent聊天里直接说帮我横评 gtja191 和 alpha101alpha-zoo 技能会自动调度alpha_zoo查库与alpha_bench跑评两个工具。新手选型对照表什么市场跑什么库这一节回答看完之后到底该挑哪个你的场景推荐A 股横截面选股因子直接落到多空组合gtja191整库声明 equity_cn主题贴合 A 股微观结构美股横截面选股或想要更通用的公式模板alpha101声明覆盖美/印/韩操作符风格普适边学边选想读懂 rank/decay_linear 这类算子先精读 alpha101 样本再对照 gtja191 同名公式专门挖量价背离、短期反转主题gtja191volume/reversal 标签密度更高最关心稳健性、怕过拟合两库都过一遍--strict只留 OOS 闸门的幸存者同一批因子换到另一个股票池名次可能整个翻掉——上表的推荐都建立在声明市场 你自己实测的前提上不能跨市场照搬。收束动手前三条带走这一节回答一分钟能记住什么gtja191191 个 A 股因子复杂度中等主打量价与微观结构alpha101101 个论文因子嵌套更深是美股系市场的信号模板两库共用同一接口、同一注册表、同一套样本测试横评比较的是同尺子下的真实衰减看第一眼的应该是 alive/reversed/dead 分布而不是漂亮的回测曲线。动手三步克隆仓库git clone https://gitcode.com/GitHub_Trending/vi/Vibe-Trading、安装依赖、跑一条vibe-trading alpha bench——真正的结论藏在你的第一次实测里 【免费下载链接】Vibe-TradingVibe-Trading: Your Personal Trading Agent项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考