WorldQuant 部分函数解释说明

WorldQuant 部分函数解释说明

Arithmetic

1. abs
   x的绝对值
2. add(x, y, filter = false), x + y
   添加所有输入（至少需要2个输入）。如果filter=true，则在添加之前将所有输入NaN过滤为0
3. densify(x)
   如果x中唯一值的数量为n，则将这些值映射到0和（n-1）之间。数量级不需要保留。
4. divide(x, y), x / y
   x除以y
5. inverse(x)
   1 / x
6. log(x):对数； max(x, y, …):最大值； min(x, y …):最小值； multiply(x ,y, … , filter=false):乘以； power(x, y):x ^ y； reverse(x): -x；
7. sign(x)
   当x>0，sign(x)=1;
   当x=0，sign(x)=0;
   当x<0， sign(x)=-1;
   当x=NaN，sign(x)=NaN;
8. signed_power(x, y)
   x提高到y的幂，使得最终结果保留x的符号。
   If x = 3, y = 2 ⇒ abs(x) = 3 ⇒ abs(x) ^ y = 9 and sign(x) = +1 ⇒ sign(x) * (abs(x) ^ y) = signed_power(x, y) = 9
9. subtract(x, y, filter=false), x - y
   x-y。如果filter=true，则将之前将所有输入NaN过滤为0

Logical

10. and(input1, input2)
    逻辑AND运算符，如果两个操作数都为真，则返回真，否则返回假
11. if_else(event, input1, input2)
    如果提供的事件条件event为真，则将返回input1。如果提供的事件条件为false，则将返回input2。
12. is_nan(input)
    判断是否为NaN
13. not(x)
    取反，如果x=true,则返回false

Time Series

14. days_from_last_change(x)
    自上次更改x以来的天数
15. hump(x, hump = 0.01)
    限制投入变化的数量和幅度。
    如果今天的值与昨天的值相比只有微小变化（不超过阈值），则驼峰运算符的输出与昨天保持不变。如果变化大于限制，则输出为昨天的值加上变化方向的限制。
16. kth_element(x, d, k)
    通过查看回溯天数d返回输入的第K个值。如果k=1，此运算符可用于回填缺失的数据
17. last_diff_value(x, d)
    返回过去d天中不等于当前x值的最后一个x值
18. ts_arg_max(x, d)
    返回过去d天时间序列中最大值的相对指数。如果当前日期具有过去d天的最大值，则返回0。如果前一天具有过去d天的最大值，则返回1。
    例如：d=6，过去6天的值为[6,2,8,5,9,4]，第一个元素为今天的值，则最大值为9，并且在今天之前4天存在。因此，ts_arg_max（x，d）=4
19. ts_arg_min(x, d)
    返回过去d天时间序列中最小值的相对索引；如果当前日期具有过去d天的最小值，则返回0；如果前一天具有过去d天的最小值，则返回1。
20. ts_mean(x, d)
    返回过去d天x的平均值。
21. ts_av_diff(x,d)
    如果d=6，过去6天的值为[6,2,8,5,9，NaN]，则ts_mean（x，d）=6，因为NaN在平均值计算中被忽略了。因此，ts_av_diff（x，d）=6-6=0
22. ts_backfill(x,lookback = d, k=1, ignore=“NAN”)
    如果数据字段x的输入值为非NaN，则输出为x
    如果数据字段x=NaN，则输出过去252天内x的最新可用且非NaN的值
23. ts_corr(x, y, d)
    返回过去d天x和y的相关性
24. ts_count_nans(x ,d)
    返回过去d天内x中NaN值的数量
25. ts_covariance(y, x, d)
    返回过去d天y和x的协方差
    在实际计算中，协方差通常通过以下公式计算：
    [ \text{Cov}(X, Y) = \frac{1}{n-1} \sum_{i=1}^{n} (X_i - \bar{X})(Y_i - \bar{Y}) ]
26. ts_decay_linear(x, d, dense = false)
    返回过去d天x的线性衰减。dense =false表示运算符在稀疏模式下工作，我们将NaN视为0。在密集模式下会。
27. ts_delay(x, d)
    返回d天前x值
28. ts_delta(x, d)
    返回x - ts_delay(x，d)
29. ts_product(x, d)
    返回过去d天x的乘积
30. ts_rank(x, d, constant = 0)
    对过去d天内每个仪器的x值进行排名，然后返回当前值+常数的排名。如果未指定，默认情况下，常量=0。
31. ts_quantile(x,d, driver=“gaussian” )
    它计算ts_rank，并将驱动器分布的逆累积密度函数应用于其值。
    driver:gaussian,uniform,cauchy
32. ts_regression(y, x, d, lag = 0, rettype = 0)
    从过去d个交易日的数据中，使用x估算y时，从方程中返回β系数。
    列如：得到d天内回报率和分析师评级之间的关系，返回线性回归系数，如果系数的排名（rank)较高说明过去预测得比较准确
33. ts_scale(x, d, constant = 0)
    返回_x-ts_min(x，d))/(ts_max(x，d)-ts_min[x，d])+常数。
34. ts_std_dev(x, d)
    返回过去d天x的标准偏差
35. ts_step(1), step(1)
    返回天数计数器
36. ts_sum(x, d)
    过去d天x的总和
37. ts_zscore(x, d)
    描述了一个值与一组值的平均值之间的关系。ts_zscore分数是根据平均值的标准偏差来衡量的：（x-tsmean（x，d））/tsstddev（x，d）。此运算符可能有助于减少异常值和下降。

Cross Sectional

38. normalize(x, useStd = false, limit = 0.0)
    计算某个日期的所有有效alpha值的平均值，然后从每个元素中减去该平均值
    此运算符计算某个日期的所有有效alpha值的平均值，然后从每个元素中减去该平均值。如果useStd=true，则运算符计算结果值的标准偏差，并将每个归一化元素除以它。如果limit不等于0.0，则运算符将结果α值（在-limit到+limit之间）。
    例子：
    如果在某个日期，某个输入x的仪器值为[3,5,6,2]，平均值=4，标准偏差=1.82
    normalize(x，useStd=false，limit=0.0)=[3-4,5-4,6-4,2-4]=[-1,1,2，-2]
    normalize(x，useStd=true，limit=0.0)=[-1/1.82,1/1.82,2/1.82，-2/1.82]=[-0.55,0.55,1.1，-1.1]
39. quantile(x, driver = gaussian, sigma = 1.0)
    对原始向量进行排序，移动排序后的阿尔法向量。driver:gaussian,uniform,cauchy
40. rank(x, rate=2)
    在所有仪器中对输入进行排名，并返回一个在0.0和1.0之间均匀分布的数字
41. scale(x, scale=1, longscale=1, shortscale=1)
    将输入缩放标准尺寸。
    例：scale(returns, scale=4); scale (returns, scale= 1) + scale (close, scale=20); scale (returns, longscale=4, shortscale=3)
42. winsorize(x, std=4)
    x以确保x中的所有值都在下限和上限之间，上限被指定为std的倍数。
43. zscore(x)
    zscore是一种数值测量方法，描述了一个值与一组值的平均值之间的关系。zscore是根据平均值的标准偏差来衡量的

Vector

44. vec_avg(x)
    取x的平均值
45. vec_sum(x)
    x之和

Transformational

46. bucket(rank(x), range=“0, 1, 0.1” or buckets = “2,5,6,7,10”)
    将浮点值转换为用户指定bucket的索引。Bucket可用于创建组值，这些值可以作为输入传递给组运算符。
    buckets = “2,5,6,7,10” [-1，3，6，8，12] 变为 [0，1，2，4，5],解释：-1小于2，则为0，3在2和5之间则为1，6在5和6之间则为2，8在7和10之间则为4，12大于10则为5，如果有13也为5.
    range=“0.1, 1, 0.1” [0.05，0.5，0.9]变为[0，4，8]
47. trade_when(x, y, z)
    用于仅在指定条件下更改Alpha值，并在其他情况下保持Alpha值。它还允许在指定条件下关闭Alpha位置（分配NaN值）
    如果触发器z>0，则Alpha=NaN。
    如果触发器x>0，则Alpha=AlphaExp；
    否则，Alpha=previousAlpha

Group

48. group_backfill(x, group, d, std = 4.0) *
    如果某个日期和仪器的某个值是NaN，则从同一组仪器中计算过去d天内所有非NaN值的winsorized平均值
    如果d=4，并且组中有3个仪器（i1，i2，i3），其过去4天的值为x[i1]=[4,2,5,5]，x[i2]=[7，NaN,2,9]，x[i]=[NaN,-4,2,NaN]，其中第一个元素是最新的，那么如果我们想回填x，我们只需要回填x[i3]的第一个元素，因为其他所有仪器的第一个元件都是非NaN的

49. group_mean(x, weight, group)
    组中的所有元素都等于平均值

50. group_neutralize(x, group)
    如果10个仪器在某个日期的字段x值为[3,2,6,5,8,9,1,4,8,0]，前5个仪器属于一组，后5个属于另一组，则第一组的平均值=（3+2+6+5+8）/5=4.8，第二组的平均数=（9+1+4+8+0）/5=4.4。从各组仪器中减去平均值得到[3-4.8、2-4.8、6-4.8、5-4.8、8-4.8、9-4.4、1-4.4、4-4.4、8-4.4、0-4.4]=[-1.8、-2.8、1.2、0.2、3.2、4.6、-3.4、-0.4、3.6、-4.4]

51. group_rank(x, group)
    组中的每个元素都被分配了该组中的相应排名

52. group_zscore(x, group) *
    计算组Z分数——描述一个值与一组值的平均值之间关系的数值度量。z-score是根据平均值的标准偏差来衡量的。zscore=（data-mean）/stddev of x，用于其组内的每个仪器。