今天给喜欢量化的伙伴们介绍一个有名的因子库，让小伙伴们能离量化更近一步----WorldQuant。

什么是WorldQuant呢？

WorldQuant是一家全球性的量化资产管理公司，成立于2007年，总部位于美国格林威治，在全球设有多个分支机构。该公司以其创新的量化投资策略和技术而闻名，尤其是在因子挖掘和Alpha生成方面具有显著的优势。WorldQuant推出了BRAIN平台，这是一个开放式的社区，旨在吸引全球的数据科学家、工程师和其他量化爱好者进行实时在线回测策略。该平台已经吸引了超过80,000名用户的参与，并有超过3,500名用户成为了平台的签约顾问。

平台的特点：

丰富的数据字段：BRAIN平台提供了超过12万的数据字段，支持用户构建和测试各种复杂的量化模型。

实时在线回测：用户可以在平台上直接进行策略的开发和回测，无需搭建自己的基础设施。这大大降低了进入门槛，使得更多的个人和小型团队能够参与到量化投资中来。

年度挑战赛：为了激发更多创新思维，WorldQuant定期举办全球量化挑战赛（IQC），奖金池高达数百万美元。参赛者有机会展示自己的策略，并与来自世界各地的顶尖选手竞争。

教育资源：除了提供强大的工具外，WorldQuant还致力于教育推广，开设了免费的零基础学量化训练营，帮助新手快速入门，掌握量化投资的基础知识和技能。

有哪些因子可用？例如：

在 WorldQuant 的经典模型库 101 Alphas 中，有一个非常简单却颇具洞察力的量价结构因子：

这个因子的直观含义是：计算过去 10 日开盘价与成交量的皮尔逊相关系数，再乘以 -1，使得量价负相关的股票得到更高的因子得分，而量价正相关的股票得分更低。

换句话说：

当“价涨量缩”或“价跌量增”时 → 因子偏高；

当“价量齐升”或“价量齐跌”时 → 因子偏低。

这类因子本质上在刻画：量价背离结构是否明显。 虽然简单，但在实际策略中常常具备不错的筛选能力。

Python实现：

我们用Python来实现这一因子，然后绘制出因子值的时间序列图。

使用示例：

因子实现起来非常的简单，注意使用示例中的负号，接下来我们把因子和股票K线绘制到一起方便观察。

根据上图，我们可以很清楚的看到在3月5号和4月17号附近，因子出现了明显的峰顶，这说明在这两个时间点，股票的量价背离结构比较明显。3月5号之后，股价开始上涨，而4月17号之后，股价开始下跌，量价背离以后分别出现了转折，说明这个因子还是很有一定的研究价值的。

因子的扩展方向：

量价关系用得好，真的是非常的有效。基于上面的这个因子，其实我们可以扩展出许多有意思的因子变体。这里提出2种比较实用的扩展。

扩展 1：短中期量价结构差（短强长弱型）

这是实际策略中非常常用的升级方法。

公式思路：

含义非常直白：

短期量价相关性强（共振）；

但中期量价相关性弱甚至背离。

这种结构常对应：

题材刺激、事件驱动；

情绪加速阶段；

资金短期集中介入。

Python 实现：

为什么这个因子好？

它可以捕捉到“短期异动 vs 中期趋势不统一”的结构，有助于发现短期机会点，特别适合A股这种节奏变化快的市场。

扩展 2：基于收益的量价相关（动能强度相关）

把 open 换成 收益率 returns，能直接升级为更强的“量价动能因子”：

因为真正推动价格的不是开盘价，而是连续收益的累计效应。

Python 实现：

因子解读：

当“涨的时候放量、跌的时候缩量”时 → 正相关，动能健康；

当“涨不放量、跌却放量”时 → 负相关，趋势质量差。

相比原始公式，这个扩展因子能更敏锐地反映趋势的可持续性，是行业里使用频次非常高的版本。

总结

关注"叩富问财"公众号，回复"资深吴经理"，联系专属客户经理开通量化交易权限！

立即行动：打开微信，搜索"叩富问财"，在对话框中输入"资深吴经理"，开启你的量化交易之旅！