什么是Vibe-Trading Alpha Zoo?一行命令基准测试462个预建Alpha因子
【免费下载链接】Vibe-Trading"Vibe-Trading: Your Personal Trading Agent"项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading
Vibe-Trading 是一个开源的"个人交易 AI 智能体",而它的Alpha Zoo(Alpha 因子动物园)功能,是把 462 个业内著名的预建量化 Alpha 因子打包进一个本地因子库——你只需一行命令行,就能在自己选的股票池(如沪深 300、标普 500)上,对整组因子跑 IC / IR 基准测试,并自动给出 alive(有效)/ reversed(反转)/ dead(失效)的分类结论。无需自己从论文或研报里逐个抄公式,也无需搭建复杂的研究框架。
一、Alpha Zoo 是什么?462 个 Alpha 因子的"动物园"
Alpha 因子简单说就是"给股票打分"的数学公式:分数越高代表预期收益可能越好。学术界和券商研报里流传着大量经典公式,但自己逐个实现、取数、回测验证,门槛很高。
Alpha Zoo 的做法是:把这些公式预先全部写好并内置,分成 5 个家族(zoo):
| Zoo 家族 | 数量 | 来源 |
|---|---|---|
🧬qlib158 | 154 | 微软 Qlib 的 Alpha158 特征集(Apache-2.0) |
📄alpha101 | 101 | Kakushadze 2015 年论文《101 Formulaic Alphas》 |
📊gtja191 | 191 | 国君证券《191 个短周期交易型 alpha 因子》研报 |
🎓academic | 12 | Fama-French 五因子、Carhart 动量、52 周高点、非流动性等学术因子 |
📑fundamental | 4 | PIT 安全的基本面因子(盈利收益率、ROE 等,按财报发布日锚定) |
每个因子都是一个独立模块,存放于 agent/src/factors/zoo/ 目录下,例如 alpha_001.py;注册中心见 registry.py。
二、快速上手:4 个命令跑完全流程
先安装(也可从官方仓库获取源码后本地安装):
pip install vibe-trading-ai然后是核心四步,全程一行一条命令:
1️⃣ 浏览因子库
vibe-trading alpha list --zoo gtja191 --theme reversal --limit 10支持按家族、主题(如momentum、reversal)、适用市场过滤,浏览全部 462 个预置 alpha。
2️⃣ 查看单个因子
vibe-trading alpha show gtja191_alpha_001可以看到因子的公式、中文说明和实现源码,不用翻文档。
3️⃣ 一行命令跑基准测试(主角)
vibe-trading alpha bench --zoo gtja191 --universe csi300 --period 2018-2025 --top 20含义:把国君 191 因子家族整组放到沪深 300 股票池上,回看2018–2025 年,输出表现最好的前 20 名。命令会显示实时进度,最终生成一份 HTML 报告(默认写入~/.vibe-trading/reports/),包含每个因子的 IC 序列、均值、IR 以及 Top-N 排名。
4️⃣ 横向对比因子
vibe-trading alpha compare gtja191_alpha_001 alpha101_alpha_005 --sort iralpha compare只评估你点名的因子——对比 3 个因子不会把 191 个全跑一遍,输出按 IC 均值、IR、IC>0 比例等维度的排名表,并标出每个因子与榜首的差距。
三、基准测试给你什么?IC、IR 与生死分类
跑完后,每个因子都会得到三类结果:
- IC(信息系数):因子打分与实际未来收益的相关性,IC 均值越高越好;
- IR(信息比率):IC 均值 ÷ IC 标准差,衡量信号是否"稳";
- 生存分类:根据 IC 均值、IC>0 比例和 t 检验,把因子判为
| 分类 | 含义 |
|---|---|
| ✅alive | 因子在回看期内有持续正向预测力 |
| 🔃reversed | 因子整体反向——取反后可能是好信号 |
| ☠️dead | 没有可复现的预测力 |
💡 研究场景下还建议开启严格模式:它会额外做"随机打乱对照"和"训练/测试集切分",只有打败随机噪音、且样本外仍有效的因子才能升级为
confirmed_alive(确认存活)。核心逻辑见 bench_runner_strict.py——这是针对学术界"多重检验导致假阳性"问题的专门防护。
四、为什么可信?Alpha Zoo 的四道安全设计
很多"因子回测"死于前视偏差(用到了未来数据)。Alpha Zoo 从算子层就杜绝了这一点:
- 算子层禁用 lookahead:时间偏移操作要求
d >= 1,"负向引用未来"的写法在算子集里根本不存在; - AST 纯函数门禁:CI 会检查每个因子文件是纯函数,300 行哨兵测试专门拦截前视行为;
- 网络隔离测试:用
pytest-socket阻断测试期的一切联网,防止因子偷偷取未来数据; - 出处与许可透明:每个 zoo 附一份
LICENSE.md声明公式来源,且基准结果会披露股票池来源、成分数量与幸存者偏差。
五、不止命令行:Web UI、REST 与 AI 智能体三端打通
同一个因子库和同一套评测核心,在任何一端都能用:
- CLI:如上文,适合脚本化和定时任务;
- Web UI:打开 Alpha Zoo 页面即可可视化浏览 462 个因子、勾选后一键 Compare 对比(流式排名表);
- AI 智能体 / MCP:内置只读工具
alpha_zoo(浏览元数据、健康检查)、alpha_bench(跑基准)、alpha_compare(对比),你可以直接对智能体说"把 GTJA 191 在沪深 300 上 2020–2024 跑一遍,给我 Top 20",使用指引见 agent/src/skills/alpha-zoo/SKILL.md。
六、适合谁用?
- 量化新手:不用会写因子,先看 462 个"名师公式"在你的股票池上还活不活,是入门横截面因子的最佳实验场;
- 策略研究者:快速筛选出 alive/reversed 因子作为多因子策略的候选池;
- Vibe-Trading 用户:因子研究直接成为你交易智能体工作流的一环——从"哪个因子有效"到"回测整条策略"一站式完成。
📌小结:Vibe-Trading Alpha Zoo = 462 个预建因子(Qlib 158 + Kakushadze 101 + GTJA 191 + 学术 + PIT 基本面)+ 一行命令 IC/IR 基准测试 + 防前视的工程化保障。安装、alpha list看看、alpha bench跑起来,五分钟就能得到第一份因子生死榜单。
【免费下载链接】Vibe-Trading"Vibe-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