cyqnt-trd 0.1.2__py3-none-any.whl

cyqnt_trd/trading_signal/selected_alpha/alpha78.py

@@ -0,0 +1,86 @@
+"""
+Alpha#78 因子
+
+公式: (rank(correlation(sum(((low * 0.352233) + (vwap * (1 - 0.352233))), 19.7428),sum(adv40, 19.7428), 6.83313))^rank(correlation(rank(vwap), rank(volume), 5.77492)))
+
+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 alpha78_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#78 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
+        adv40 = sma(volume, 40)
+        result = (rank(correlation(ts_sum(((low_price * 0.352233) + (vwap * (1 - 0.352233))), 20),ts_sum(adv40,20), 7)).pow(rank(correlation(rank(vwap), rank(volume), 6))))
+        
+        # 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/alpha79.py

@@ -0,0 +1,74 @@
+"""
+Alpha#79 因子
+
+公式: Alpha#79 (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 alpha79_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#79 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#79因子
+        # 公式: Alpha#79 (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/alpha8.py

@@ -0,0 +1,87 @@
+"""
+Alpha#8 因子
+
+公式: (-1 * rank(((sum(open, 5) * sum(returns, 5)) - delay((sum(open, 5) * sum(returns, 5)),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 alpha8_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#8 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 = -1 * (rank(((ts_sum(open_price, 5) * ts_sum(returns, 5)) -
+                           delay((ts_sum(open_price, 5) * ts_sum(returns, 5)), 10))))
+        
+        # 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/alpha80.py

@@ -0,0 +1,74 @@
+"""
+Alpha#80 因子
+
+公式: Alpha#80 (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 alpha80_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#80 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#80因子
+        # 公式: Alpha#80 (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/alpha81.py

@@ -0,0 +1,86 @@
+"""
+Alpha#81 因子
+
+公式: ((rank(Log(product(rank((rank(correlation(vwap, sum(adv10, 49.6054),8.47743))^4)), 14.9655))) < rank(correlation(rank(vwap), rank(volume), 5.07914))) * -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 alpha81_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#81 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
+        adv10 = sma(volume, 10)
+        result = ((rank(log(product(rank((rank(correlation(vwap, ts_sum(adv10, 50),8)).pow(4))), 15))) < rank(correlation(rank(vwap), rank(volume), 5))) * -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/alpha82.py

@@ -0,0 +1,74 @@
+"""
+Alpha#82 因子
+
+公式: Alpha#82 (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 alpha82_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#82 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#82因子
+        # 公式: Alpha#82 (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/alpha83.py

@@ -0,0 +1,86 @@
+"""
+Alpha#83 因子
+
+公式: ((rank(delay(((high - low) / (sum(close, 5) / 5)), 2)) * rank(rank(volume))) / (((high -low) / (sum(close, 5) / 5)) / (vwap - 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 alpha83_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#83 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(delay(((high_price - low_price) / (ts_sum(close_price, 5) / 5)), 2)) * rank(rank(volume))) / (((high_price -low_price) / (ts_sum(close_price, 5) / 5)) / (vwap - 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/alpha84.py

@@ -0,0 +1,86 @@
+"""
+Alpha#84 因子
+
+公式: SignedPower(Ts_Rank((vwap - ts_max(vwap, 15.3217)), 20.7127), delta(close,4.96796))
+
+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 alpha84_factor(
+    data_slice: pd.DataFrame,
+    **kwargs
+) -> float:
+    """
+    Alpha#84 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 = pow(ts_rank((vwap - ts_max(vwap, 15)), 21), delta(close_price,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