cyqnt-trd 0.1.2__py3-none-any.whl

cyqnt_trd/trading_signal/selected_alpha/alpha63.py

@@ -0,0 +1,74 @@
+"""
+Alpha#63 因子
+
+公式: Alpha#63 (未在参考文件中找到)
+
+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 alpha63_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#63 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)
+        
+        # TODO: 实现Alpha#63因子
+        # 公式: Alpha#63 (未在参考文件中找到)
+        # 注意：此alpha在参考文件中未找到实现，需要手动实现
+        
+        return 0.0
+        
+    except Exception as e:
+        # 如果计算出错，返回0
+        return 0.0

cyqnt_trd/trading_signal/selected_alpha/alpha64.py

@@ -0,0 +1,86 @@
+"""
+Alpha#64 因子
+
+公式: ((rank(correlation(sum(((open * 0.178404) + (low * (1 - 0.178404))), 12.7054),sum(adv120, 12.7054), 16.6208)) < rank(delta(((((high + low) / 2) * 0.178404) + (vwap * (1 -0.178404))), 3.69741))) * -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 alpha64_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#64 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
+        adv120 = sma(volume, 120)
+        result = ((rank(correlation(sma(((open_price * 0.178404) + (low_price * (1 - 0.178404))), 13),sma(adv120, 13), 17)) < rank(delta(((((high_price + low_price) / 2) * 0.178404) + (vwap * (1 -0.178404))), 3.69741))) * -1)
+        
+        # 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/alpha65.py

@@ -0,0 +1,86 @@
+"""
+Alpha#65 因子
+
+公式: ((rank(correlation(((open * 0.00817205) + (vwap * (1 - 0.00817205))), sum(adv60,8.6911), 6.40374)) < rank((open - ts_min(open, 13.635)))) * -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 alpha65_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#65 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
+        adv60 = sma(volume, 60)
+        result = ((rank(correlation(((open_price * 0.00817205) + (vwap * (1 - 0.00817205))), sma(adv60,9), 6)) < rank((open_price - ts_min(open_price, 14)))) * -1)
+        
+        # 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/alpha66.py

@@ -0,0 +1,86 @@
+"""
+Alpha#66 因子
+
+公式: ((rank(decay_linear(delta(vwap, 3.51013), 7.23052)) + Ts_Rank(decay_linear(((((low* 0.96633) + (low * (1 - 0.96633))) - vwap) / (open - ((high + low) / 2))), 11.4157), 6.72611)) * -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 alpha66_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#66 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(decay_linear(delta(vwap, 4), 7)) + ts_rank(decay_linear(((((low_price* 0.96633) + (low_price * (1 - 0.96633))) - vwap) / (open_price - ((high_price + low_price) / 2))), 11), 7)) * -1)
+        
+        # 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/alpha67.py

@@ -0,0 +1,74 @@
+"""
+Alpha#67 因子
+
+公式: Alpha#67 (未在参考文件中找到)
+
+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 alpha67_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#67 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)
+        
+        # TODO: 实现Alpha#67因子
+        # 公式: Alpha#67 (未在参考文件中找到)
+        # 注意：此alpha在参考文件中未找到实现，需要手动实现
+        
+        return 0.0
+        
+    except Exception as e:
+        # 如果计算出错，返回0
+        return 0.0

cyqnt_trd/trading_signal/selected_alpha/alpha68.py

@@ -0,0 +1,86 @@
+"""
+Alpha#68 因子
+
+公式: ((Ts_Rank(correlation(rank(high), rank(adv15), 8.91644), 13.9333) <rank(delta(((close * 0.518371) + (low * (1 - 0.518371))), 1.06157))) * -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 alpha68_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#68 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
+        adv15 = sma(volume, 15)
+        result = ((ts_rank(correlation(rank(high_price), rank(adv15), 9), 14) <rank(delta(((close_price * 0.518371) + (low_price * (1 - 0.518371))), 1.06157))) * -1)
+        
+        # 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/alpha69.py

@@ -0,0 +1,74 @@
+"""
+Alpha#69 因子
+
+公式: Alpha#69 (未在参考文件中找到)
+
+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 alpha69_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#69 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)
+        
+        # TODO: 实现Alpha#69因子
+        # 公式: Alpha#69 (未在参考文件中找到)
+        # 注意：此alpha在参考文件中未找到实现，需要手动实现
+        
+        return 0.0
+        
+    except Exception as e:
+        # 如果计算出错，返回0
+        return 0.0

cyqnt_trd/trading_signal/selected_alpha/alpha7.py

@@ -0,0 +1,88 @@
+"""
+Alpha#7 因子
+
+公式: ((adv20 < volume) ? ((-1 * ts_rank(abs(delta(close, 7)), 60)) * sign(delta(close, 7))) : (-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 alpha7_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#7 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)
+        alpha = -1 * ts_rank(abs(delta(close_price, 7)), 60) * sign(delta(close_price, 7))
+        alpha[adv20 >= volume] = -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