cyqnt-trd 0.1.2__py3-none-any.whl

cyqnt_trd/trading_signal/selected_alpha/alpha27.py

@@ -0,0 +1,88 @@
+"""
+Alpha#27 因子
+
+公式: ((0.5 < rank((sum(correlation(rank(volume), rank(vwap), 6), 2) / 2.0))) ? (-1 * 1) : 1)
+
+说明：
+此alpha因子基于WorldQuant的101个alpha因子公式实现。
+适配crypto交易数据格式（open_price, high_price, low_price, close_price, volume, quote_volume）。
+
+标签：待补充
+"""
+
+import pandas as pd
+import numpy as np
+from typing import Optional
+from .alpha_utils import (
+    ts_sum, sma, stddev, correlation, covariance,
+    ts_rank, product, ts_min, ts_max, delta, delay,
+    rank, scale, ts_argmax, ts_argmin, decay_linear,
+    sign, abs, log, signed_power
+)
+
+
+def alpha27_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#27 因子计算
+    
+    Args:
+        data_slice: 数据切片，必须包含以下列：
+                   - open_price: 开盘价
+                   - high_price: 最高价
+                   - low_price: 最低价
+                   - close_price: 收盘价
+                   - volume: 成交量
+                   - quote_volume: 成交额（用于计算vwap）
+        **kwargs: 其他可选参数
+    
+    Returns:
+        因子值（最后一个时间点的值）
+    """
+    try:
+        if len(data_slice) < 2:
+            return 0.0
+        
+        # 提取数据列
+        open_price = data_slice['open_price']
+        high_price = data_slice['high_price']
+        low_price = data_slice['low_price']
+        close_price = data_slice['close_price']
+        volume = data_slice['volume']
+        quote_volume = data_slice.get('quote_volume', volume * close_price)  # 如果没有quote_volume，使用volume*close_price估算
+        
+        # 计算收益率
+        returns = close_price.pct_change().fillna(0)
+        
+        # 计算VWAP (Volume Weighted Average Price)
+        # vwap = quote_volume / volume，如果volume为0则使用close_price
+        vwap = (quote_volume / (volume + 1e-10)).fillna(close_price)
+        
+        # 计算adv20 (20日平均成交量)
+        adv20 = sma(volume, 20)
+        
+        # 实现Alpha因子逻辑
+        alpha = rank((sma(correlation(rank(volume), rank(vwap), 6), 2) / 2.0))
+        alpha[alpha > 0.5] = -1
+        alpha[alpha <= 0.5]=1
+        result = alpha
+        
+        # 返回最后一个值（如果是Series）或直接返回值
+        if isinstance(result, pd.Series):
+            result_value = result.iloc[-1] if len(result) > 0 else 0.0
+        elif isinstance(result, (int, float, np.number)):
+            result_value = float(result)
+        else:
+            result_value = 0.0
+        
+        # 处理NaN和无穷大
+        if pd.isna(result_value) or np.isinf(result_value):
+            return 0.0
+        
+        return float(result_value)
+        
+    except Exception as e:
+        # 如果计算出错，返回0
+        return 0.0

cyqnt_trd/trading_signal/selected_alpha/alpha28.py

@@ -0,0 +1,88 @@
+"""
+Alpha#28 因子
+
+公式: scale(((correlation(adv20, low, 5) + ((high + low) / 2)) - close))
+
+说明：
+此alpha因子基于WorldQuant的101个alpha因子公式实现。
+适配crypto交易数据格式（open_price, high_price, low_price, close_price, volume, quote_volume）。
+
+标签：待补充
+"""
+
+import pandas as pd
+import numpy as np
+from typing import Optional
+from .alpha_utils import (
+    ts_sum, sma, stddev, correlation, covariance,
+    ts_rank, product, ts_min, ts_max, delta, delay,
+    rank, scale, ts_argmax, ts_argmin, decay_linear,
+    sign, abs, log, signed_power
+)
+
+
+def alpha28_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#28 因子计算
+    
+    Args:
+        data_slice: 数据切片，必须包含以下列：
+                   - open_price: 开盘价
+                   - high_price: 最高价
+                   - low_price: 最低价
+                   - close_price: 收盘价
+                   - volume: 成交量
+                   - quote_volume: 成交额（用于计算vwap）
+        **kwargs: 其他可选参数
+    
+    Returns:
+        因子值（最后一个时间点的值）
+    """
+    try:
+        if len(data_slice) < 2:
+            return 0.0
+        
+        # 提取数据列
+        open_price = data_slice['open_price']
+        high_price = data_slice['high_price']
+        low_price = data_slice['low_price']
+        close_price = data_slice['close_price']
+        volume = data_slice['volume']
+        quote_volume = data_slice.get('quote_volume', volume * close_price)  # 如果没有quote_volume，使用volume*close_price估算
+        
+        # 计算收益率
+        returns = close_price.pct_change().fillna(0)
+        
+        # 计算VWAP (Volume Weighted Average Price)
+        # vwap = quote_volume / volume，如果volume为0则使用close_price
+        vwap = (quote_volume / (volume + 1e-10)).fillna(close_price)
+        
+        # 计算adv20 (20日平均成交量)
+        adv20 = sma(volume, 20)
+        
+        # 实现Alpha因子逻辑
+        adv20 = sma(volume, 20)
+        df = correlation(adv20, low_price, 5)
+        df = df.replace([-np.inf, np.inf], 0).fillna(value=0)
+        result = scale(((df + ((high_price + low_price) / 2)) - close_price))
+        
+        # 返回最后一个值（如果是Series）或直接返回值
+        if isinstance(result, pd.Series):
+            result_value = result.iloc[-1] if len(result) > 0 else 0.0
+        elif isinstance(result, (int, float, np.number)):
+            result_value = float(result)
+        else:
+            result_value = 0.0
+        
+        # 处理NaN和无穷大
+        if pd.isna(result_value) or np.isinf(result_value):
+            return 0.0
+        
+        return float(result_value)
+        
+    except Exception as e:
+        # 如果计算出错，返回0
+        return 0.0

cyqnt_trd/trading_signal/selected_alpha/alpha29.py

@@ -0,0 +1,87 @@
+"""
+Alpha#29 因子
+
+公式: (min(product(rank(rank(scale(log(sum(ts_min(rank(rank((-1 * rank(delta((close - 1),5))))), 2), 1))))), 1), 5) + ts_rank(delay((-1 * returns), 6), 5))
+
+说明：
+此alpha因子基于WorldQuant的101个alpha因子公式实现。
+适配crypto交易数据格式（open_price, high_price, low_price, close_price, volume, quote_volume）。
+
+标签：待补充
+"""
+
+import pandas as pd
+import numpy as np
+from typing import Optional
+from .alpha_utils import (
+    ts_sum, sma, stddev, correlation, covariance,
+    ts_rank, product, ts_min, ts_max, delta, delay,
+    rank, scale, ts_argmax, ts_argmin, decay_linear,
+    sign, abs, log, signed_power
+)
+
+
+def alpha29_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#29 因子计算
+    
+    Args:
+        data_slice: 数据切片，必须包含以下列：
+                   - open_price: 开盘价
+                   - high_price: 最高价
+                   - low_price: 最低价
+                   - close_price: 收盘价
+                   - volume: 成交量
+                   - quote_volume: 成交额（用于计算vwap）
+        **kwargs: 其他可选参数
+    
+    Returns:
+        因子值（最后一个时间点的值）
+    """
+    try:
+        if len(data_slice) < 2:
+            return 0.0
+        
+        # 提取数据列
+        open_price = data_slice['open_price']
+        high_price = data_slice['high_price']
+        low_price = data_slice['low_price']
+        close_price = data_slice['close_price']
+        volume = data_slice['volume']
+        quote_volume = data_slice.get('quote_volume', volume * close_price)  # 如果没有quote_volume，使用volume*close_price估算
+        
+        # 计算收益率
+        returns = close_price.pct_change().fillna(0)
+        
+        # 计算VWAP (Volume Weighted Average Price)
+        # vwap = quote_volume / volume，如果volume为0则使用close_price
+        vwap = (quote_volume / (volume + 1e-10)).fillna(close_price)
+        
+        # 计算adv20 (20日平均成交量)
+        adv20 = sma(volume, 20)
+        
+        # 实现Alpha因子逻辑
+        
+        result = (ts_min(rank(rank(scale(log(ts_sum(rank(rank(-1 * rank(delta((close_price - 1), 5)))), 2))))), 5) +
+                ts_rank(delay((-1 * returns), 6), 5))
+        
+        # 返回最后一个值（如果是Series）或直接返回值
+        if isinstance(result, pd.Series):
+            result_value = result.iloc[-1] if len(result) > 0 else 0.0
+        elif isinstance(result, (int, float, np.number)):
+            result_value = float(result)
+        else:
+            result_value = 0.0
+        
+        # 处理NaN和无穷大
+        if pd.isna(result_value) or np.isinf(result_value):
+            return 0.0
+        
+        return float(result_value)
+        
+    except Exception as e:
+        # 如果计算出错，返回0
+        return 0.0

cyqnt_trd/trading_signal/selected_alpha/alpha3.py

@@ -0,0 +1,86 @@
+"""
+Alpha#3 因子
+
+公式: (-1 * correlation(rank(open), rank(volume), 10))
+
+说明：
+此alpha因子基于WorldQuant的101个alpha因子公式实现。
+适配crypto交易数据格式（open_price, high_price, low_price, close_price, volume, quote_volume）。
+
+标签：待补充
+"""
+
+import pandas as pd
+import numpy as np
+from typing import Optional
+from .alpha_utils import (
+    ts_sum, sma, stddev, correlation, covariance,
+    ts_rank, product, ts_min, ts_max, delta, delay,
+    rank, scale, ts_argmax, ts_argmin, decay_linear,
+    sign, abs, log, signed_power
+)
+
+
+def alpha3_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#3 因子计算
+    
+    Args:
+        data_slice: 数据切片，必须包含以下列：
+                   - open_price: 开盘价
+                   - high_price: 最高价
+                   - low_price: 最低价
+                   - close_price: 收盘价
+                   - volume: 成交量
+                   - quote_volume: 成交额（用于计算vwap）
+        **kwargs: 其他可选参数
+    
+    Returns:
+        因子值（最后一个时间点的值）
+    """
+    try:
+        if len(data_slice) < 2:
+            return 0.0
+        
+        # 提取数据列
+        open_price = data_slice['open_price']
+        high_price = data_slice['high_price']
+        low_price = data_slice['low_price']
+        close_price = data_slice['close_price']
+        volume = data_slice['volume']
+        quote_volume = data_slice.get('quote_volume', volume * close_price)  # 如果没有quote_volume，使用volume*close_price估算
+        
+        # 计算收益率
+        returns = close_price.pct_change().fillna(0)
+        
+        # 计算VWAP (Volume Weighted Average Price)
+        # vwap = quote_volume / volume，如果volume为0则使用close_price
+        vwap = (quote_volume / (volume + 1e-10)).fillna(close_price)
+        
+        # 计算adv20 (20日平均成交量)
+        adv20 = sma(volume, 20)
+        
+        # 实现Alpha因子逻辑
+        df = -1 * correlation(rank(open_price), rank(volume), 10)
+        result = df.replace([-np.inf, np.inf], 0).fillna(value=0)
+        
+        # 返回最后一个值（如果是Series）或直接返回值
+        if isinstance(result, pd.Series):
+            result_value = result.iloc[-1] if len(result) > 0 else 0.0
+        elif isinstance(result, (int, float, np.number)):
+            result_value = float(result)
+        else:
+            result_value = 0.0
+        
+        # 处理NaN和无穷大
+        if pd.isna(result_value) or np.isinf(result_value):
+            return 0.0
+        
+        return float(result_value)
+        
+    except Exception as e:
+        # 如果计算出错，返回0
+        return 0.0

cyqnt_trd/trading_signal/selected_alpha/alpha30.py

@@ -0,0 +1,87 @@
+"""
+Alpha#30 因子
+
+公式: (((1.0 - rank(((sign((close - delay(close, 1))) + sign((delay(close, 1) - delay(close, 2)))) +sign((delay(close, 2) - delay(close, 3)))))) * sum(volume, 5)) / sum(volume, 20))
+
+说明：
+此alpha因子基于WorldQuant的101个alpha因子公式实现。
+适配crypto交易数据格式（open_price, high_price, low_price, close_price, volume, quote_volume）。
+
+标签：待补充
+"""
+
+import pandas as pd
+import numpy as np
+from typing import Optional
+from .alpha_utils import (
+    ts_sum, sma, stddev, correlation, covariance,
+    ts_rank, product, ts_min, ts_max, delta, delay,
+    rank, scale, ts_argmax, ts_argmin, decay_linear,
+    sign, abs, log, signed_power
+)
+
+
+def alpha30_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#30 因子计算
+    
+    Args:
+        data_slice: 数据切片，必须包含以下列：
+                   - open_price: 开盘价
+                   - high_price: 最高价
+                   - low_price: 最低价
+                   - close_price: 收盘价
+                   - volume: 成交量
+                   - quote_volume: 成交额（用于计算vwap）
+        **kwargs: 其他可选参数
+    
+    Returns:
+        因子值（最后一个时间点的值）
+    """
+    try:
+        if len(data_slice) < 2:
+            return 0.0
+        
+        # 提取数据列
+        open_price = data_slice['open_price']
+        high_price = data_slice['high_price']
+        low_price = data_slice['low_price']
+        close_price = data_slice['close_price']
+        volume = data_slice['volume']
+        quote_volume = data_slice.get('quote_volume', volume * close_price)  # 如果没有quote_volume，使用volume*close_price估算
+        
+        # 计算收益率
+        returns = close_price.pct_change().fillna(0)
+        
+        # 计算VWAP (Volume Weighted Average Price)
+        # vwap = quote_volume / volume，如果volume为0则使用close_price
+        vwap = (quote_volume / (volume + 1e-10)).fillna(close_price)
+        
+        # 计算adv20 (20日平均成交量)
+        adv20 = sma(volume, 20)
+        
+        # 实现Alpha因子逻辑
+        delta_close = delta(close_price, 1)
+        inner = sign(delta_close) + sign(delay(delta_close, 1)) + sign(delay(delta_close, 2))
+        result = ((1.0 - rank(inner)) * ts_sum(volume, 5)) / ts_sum(volume, 20)
+        
+        # 返回最后一个值（如果是Series）或直接返回值
+        if isinstance(result, pd.Series):
+            result_value = result.iloc[-1] if len(result) > 0 else 0.0
+        elif isinstance(result, (int, float, np.number)):
+            result_value = float(result)
+        else:
+            result_value = 0.0
+        
+        # 处理NaN和无穷大
+        if pd.isna(result_value) or np.isinf(result_value):
+            return 0.0
+        
+        return float(result_value)
+        
+    except Exception as e:
+        # 如果计算出错，返回0
+        return 0.0

cyqnt_trd/trading_signal/selected_alpha/alpha31.py

@@ -0,0 +1,90 @@
+"""
+Alpha#31 因子
+
+公式: ((rank(rank(rank(decay_linear((-1 * rank(rank(delta(close, 10)))), 10)))) + rank((-1 *delta(close, 3)))) + sign(scale(correlation(adv20, low, 12))))
+
+说明：
+此alpha因子基于WorldQuant的101个alpha因子公式实现。
+适配crypto交易数据格式（open_price, high_price, low_price, close_price, volume, quote_volume）。
+
+标签：待补充
+"""
+
+import pandas as pd
+import numpy as np
+from typing import Optional
+from .alpha_utils import (
+    ts_sum, sma, stddev, correlation, covariance,
+    ts_rank, product, ts_min, ts_max, delta, delay,
+    rank, scale, ts_argmax, ts_argmin, decay_linear,
+    sign, abs, log, signed_power
+)
+
+
+def alpha31_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#31 因子计算
+    
+    Args:
+        data_slice: 数据切片，必须包含以下列：
+                   - open_price: 开盘价
+                   - high_price: 最高价
+                   - low_price: 最低价
+                   - close_price: 收盘价
+                   - volume: 成交量
+                   - quote_volume: 成交额（用于计算vwap）
+        **kwargs: 其他可选参数
+    
+    Returns:
+        因子值（最后一个时间点的值）
+    """
+    try:
+        if len(data_slice) < 2:
+            return 0.0
+        
+        # 提取数据列
+        open_price = data_slice['open_price']
+        high_price = data_slice['high_price']
+        low_price = data_slice['low_price']
+        close_price = data_slice['close_price']
+        volume = data_slice['volume']
+        quote_volume = data_slice.get('quote_volume', volume * close_price)  # 如果没有quote_volume，使用volume*close_price估算
+        
+        # 计算收益率
+        returns = close_price.pct_change().fillna(0)
+        
+        # 计算VWAP (Volume Weighted Average Price)
+        # vwap = quote_volume / volume，如果volume为0则使用close_price
+        vwap = (quote_volume / (volume + 1e-10)).fillna(close_price)
+        
+        # 计算adv20 (20日平均成交量)
+        adv20 = sma(volume, 20)
+        
+        # 实现Alpha因子逻辑
+        adv20 = sma(volume, 20)
+        df = correlation(adv20, low_price, 12).replace([-np.inf, np.inf], 0).fillna(value=0)         
+        p1=rank(rank(rank(decay_linear((-1 * rank(rank(delta(close_price, 10)))), 10)))) 
+        p2=rank((-1 * delta(close_price, 3)))
+        p3=sign(scale(df))
+        result = p1+p2+p3
+        
+        # 返回最后一个值（如果是Series）或直接返回值
+        if isinstance(result, pd.Series):
+            result_value = result.iloc[-1] if len(result) > 0 else 0.0
+        elif isinstance(result, (int, float, np.number)):
+            result_value = float(result)
+        else:
+            result_value = 0.0
+        
+        # 处理NaN和无穷大
+        if pd.isna(result_value) or np.isinf(result_value):
+            return 0.0
+        
+        return float(result_value)
+        
+    except Exception as e:
+        # 如果计算出错，返回0
+        return 0.0

cyqnt_trd/trading_signal/selected_alpha/alpha32.py

@@ -0,0 +1,86 @@
+"""
+Alpha#32 因子
+
+公式: (scale(((sum(close, 7) / 7) - close)) + (20 * scale(correlation(vwap, delay(close, 5),230))))
+
+说明：
+此alpha因子基于WorldQuant的101个alpha因子公式实现。
+适配crypto交易数据格式（open_price, high_price, low_price, close_price, volume, quote_volume）。
+
+标签：待补充
+"""
+
+import pandas as pd
+import numpy as np
+from typing import Optional
+from .alpha_utils import (
+    ts_sum, sma, stddev, correlation, covariance,
+    ts_rank, product, ts_min, ts_max, delta, delay,
+    rank, scale, ts_argmax, ts_argmin, decay_linear,
+    sign, abs, log, signed_power
+)
+
+
+def alpha32_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#32 因子计算
+    
+    Args:
+        data_slice: 数据切片，必须包含以下列：
+                   - open_price: 开盘价
+                   - high_price: 最高价
+                   - low_price: 最低价
+                   - close_price: 收盘价
+                   - volume: 成交量
+                   - quote_volume: 成交额（用于计算vwap）
+        **kwargs: 其他可选参数
+    
+    Returns:
+        因子值（最后一个时间点的值）
+    """
+    try:
+        if len(data_slice) < 2:
+            return 0.0
+        
+        # 提取数据列
+        open_price = data_slice['open_price']
+        high_price = data_slice['high_price']
+        low_price = data_slice['low_price']
+        close_price = data_slice['close_price']
+        volume = data_slice['volume']
+        quote_volume = data_slice.get('quote_volume', volume * close_price)  # 如果没有quote_volume，使用volume*close_price估算
+        
+        # 计算收益率
+        returns = close_price.pct_change().fillna(0)
+        
+        # 计算VWAP (Volume Weighted Average Price)
+        # vwap = quote_volume / volume，如果volume为0则使用close_price
+        vwap = (quote_volume / (volume + 1e-10)).fillna(close_price)
+        
+        # 计算adv20 (20日平均成交量)
+        adv20 = sma(volume, 20)
+        
+        # 实现Alpha因子逻辑
+        
+        result = scale(((sma(close_price, 7) / 7) - close_price)) + (20 * scale(correlation(vwap, delay(close_price, 5),230)))
+        
+        # 返回最后一个值（如果是Series）或直接返回值
+        if isinstance(result, pd.Series):
+            result_value = result.iloc[-1] if len(result) > 0 else 0.0
+        elif isinstance(result, (int, float, np.number)):
+            result_value = float(result)
+        else:
+            result_value = 0.0
+        
+        # 处理NaN和无穷大
+        if pd.isna(result_value) or np.isinf(result_value):
+            return 0.0
+        
+        return float(result_value)
+        
+    except Exception as e:
+        # 如果计算出错，返回0
+        return 0.0

cyqnt_trd/trading_signal/selected_alpha/alpha33.py

@@ -0,0 +1,86 @@
+"""
+Alpha#33 因子
+
+公式: rank((-1 * ((1 - (open / close))^1)))
+
+说明：
+此alpha因子基于WorldQuant的101个alpha因子公式实现。
+适配crypto交易数据格式（open_price, high_price, low_price, close_price, volume, quote_volume）。
+
+标签：待补充
+"""
+
+import pandas as pd
+import numpy as np
+from typing import Optional
+from .alpha_utils import (
+    ts_sum, sma, stddev, correlation, covariance,
+    ts_rank, product, ts_min, ts_max, delta, delay,
+    rank, scale, ts_argmax, ts_argmin, decay_linear,
+    sign, abs, log, signed_power
+)
+
+
+def alpha33_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#33 因子计算
+    
+    Args:
+        data_slice: 数据切片，必须包含以下列：
+                   - open_price: 开盘价
+                   - high_price: 最高价
+                   - low_price: 最低价
+                   - close_price: 收盘价
+                   - volume: 成交量
+                   - quote_volume: 成交额（用于计算vwap）
+        **kwargs: 其他可选参数
+    
+    Returns:
+        因子值（最后一个时间点的值）
+    """
+    try:
+        if len(data_slice) < 2:
+            return 0.0
+        
+        # 提取数据列
+        open_price = data_slice['open_price']
+        high_price = data_slice['high_price']
+        low_price = data_slice['low_price']
+        close_price = data_slice['close_price']
+        volume = data_slice['volume']
+        quote_volume = data_slice.get('quote_volume', volume * close_price)  # 如果没有quote_volume，使用volume*close_price估算
+        
+        # 计算收益率
+        returns = close_price.pct_change().fillna(0)
+        
+        # 计算VWAP (Volume Weighted Average Price)
+        # vwap = quote_volume / volume，如果volume为0则使用close_price
+        vwap = (quote_volume / (volume + 1e-10)).fillna(close_price)
+        
+        # 计算adv20 (20日平均成交量)
+        adv20 = sma(volume, 20)
+        
+        # 实现Alpha因子逻辑
+        
+        result = rank(-1 + (open_price / close_price))
+        
+        # 返回最后一个值（如果是Series）或直接返回值
+        if isinstance(result, pd.Series):
+            result_value = result.iloc[-1] if len(result) > 0 else 0.0
+        elif isinstance(result, (int, float, np.number)):
+            result_value = float(result)
+        else:
+            result_value = 0.0
+        
+        # 处理NaN和无穷大
+        if pd.isna(result_value) or np.isinf(result_value):
+            return 0.0
+        
+        return float(result_value)
+        
+    except Exception as e:
+        # 如果计算出错，返回0
+        return 0.0