如何计算Alpha 147因子？及Python逻辑转DolphinDB脚本实现

核心逻辑对应 #

原Python代码的逻辑是：对收盘价计算滚动12期均值，再取该均值序列的前12个样本点，与自变量序列[1,2,...,12]做一元线性回归，回归系数即为Alpha147因子值。

DolphinDB脚本实现 #

1. 基础函数定义（单标的时间序列）

def alpha147(close) {
    // 计算收盘价的滚动12期均值，对应原逻辑的MEAN(CLOSE, 12)
    ma12 = mavg(close, 12)
    // 滚动窗口回归：每个窗口取前12个ma12值，对[1..12]回归取系数
    // regress(y, x)返回[截距, 回归系数]，取索引1的元素
    alphaSeries = moving(ma12, 12, window -> regress(window, 1..12)[1])
    return alphaSeries
}

2. 面板数据（多标的）场景使用

如果你的数据是包含多标的的面板表（例如表t包含date、symbol、close列），可以通过context by分组计算每个标的的因子：

// 方式1：用update语句添加因子列
update t set alpha147 = alpha147(close) context by symbol

// 方式2：直接在查询中生成因子
select date, symbol, close,
       moving(mavg(close, 12), 12, w -> regress(w, 1..12)[1]) as alpha147
from t
context by symbol

关键函数说明 #

• mavg(close, 12)：DolphinDB内置的移动平均函数，对应原逻辑中滚动12期收盘价均值的计算。
• moving(func, windowSize)：滚动窗口计算函数，这里用于对ma12序列取每个长度为12的窗口做回归。
• regress(y, x)：线性回归函数，输入因变量y和自变量x，返回结果为[截距, 回归系数]，取第二个元素即为所需的Beta系数。

内容的提问来源于stack exchange，提问作者Huang WeiFeng