Files

liaozhaorun 62a4635a71 feat: 新增因子装饰器系统和完整因子文档

- 添加因子表达式文档，收录180+个因子及数学表达式
- 添加因子实现分析报告，明确ts_*与cs_*算子分类
- 实现装饰器系统：@time_series/@cross_section/@element_wise
- 优化API和翻译器以支持新架构

2026-03-06 23:59:39 +08:00

22 KiB

Raw Blame History

因子表达式可实现性分析报告 (v2)

文档来源

分析文件: docs/factor_expressions_document.md
分析日期: 2026-03-06
共收录因子: 180+ 个
更新说明: 本版本明确区分 ts_* (时间序列) 和 cs_* (截面) 算子类型

一、当前 DSL 框架已实现功能

1.1 时间序列函数 (ts_*)

说明: 所有时间序列函数都按 ts_code 分组计算，防止跨股票数据泄露

函数名	参数	状态	说明	Polars 实现
`ts_mean(x, window)`	x: 表达式, window: 窗口	已实现	滚动均值	`rolling_mean(window).over("ts_code")`
`ts_sum(x, window)`	x: 表达式, window: 窗口	已实现	滚动求和	`rolling_sum(window).over("ts_code")`
`ts_std(x, window)`	x: 表达式, window: 窗口	已实现	滚动标准差	`rolling_std(window).over("ts_code")`
`ts_max(x, window)`	x: 表达式, window: 窗口	已实现	滚动最大值	`rolling_max(window).over("ts_code")`
`ts_min(x, window)`	x: 表达式, window: 窗口	已实现	滚动最小值	`rolling_min(window).over("ts_code")`
`ts_delay(x, periods)`	x: 表达式, periods: 滞后	已实现	滞后 N 期	`shift(periods).over("ts_code")`
`ts_delta(x, periods)`	x: 表达式, periods: 差分	已实现	差分 N 期	`(x - x.shift(periods)).over("ts_code")`
`ts_corr(x, y, window)`	x, y: 表达式, window: 窗口	已实现	滚动相关系数	`rolling_corr(y, window).over("ts_code")`
`ts_cov(x, y, window)`	x, y: 表达式, window: 窗口	已实现	滚动协方差	`rolling_cov(y, window).over("ts_code")`
`ts_rank(x, window)`	x: 表达式, window: 窗口	API 已定义	滚动排名	待实现

1.2 截面函数 (cs_*)

说明: 所有截面函数都按 trade_date 分组计算，防止跨日期数据泄露

函数名	参数	状态	说明	Polars 实现
`cs_rank(x)`	x: 表达式	已实现	截面排名 (归一化到 [0,1])	`(rank() / count()).over("trade_date")`
`cs_zscore(x)`	x: 表达式	已实现	Z-Score 标准化	`((x - mean()) / std()).over("trade_date")`
`cs_neutralize(x, group?)`	x: 表达式, group?: 分组列	已实现	行业/市值中性化	`(x - mean()).over("trade_date")`
`cs_winsorize(x, lower, upper)`	x: 表达式, lower/upper: 分位数	API 已定义	缩尾处理	待实现
`cs_demean(x)`	x: 表达式	API 已定义	去均值	待实现
`cs_std(x)`	x: 表达式	缺失	截面标准差	待实现
`cs_mean(x)`	x: 表达式	缺失	截面均值	待实现
`cs_sum(x)`	x: 表达式	缺失	截面求和	待实现
`cs_max(x)`	x: 表达式	缺失	截面最大值	待实现
`cs_min(x)`	x: 表达式	缺失	截面最小值	待实现

1.3 数学函数（无分组，逐元素计算）

函数名	参数	状态	说明
`log(x)`	x: 表达式	API 已定义	自然对数
`log1p(x)`	x: 表达式	缺失	log(1+x)
`exp(x)`	x: 表达式	API 已定义	指数函数
`sqrt(x)`	x: 表达式	API 已定义	平方根
`sign(x)`	x: 表达式	API 已定义	符号函数 (-1/0/1)
`abs(x)`	x: 表达式	API 已定义	绝对值
`max_(x, y)`	x, y: 表达式	API 已定义	逐元素最大值
`min_(x, y)`	x, y: 表达式	API 已定义	逐元素最小值
`clip(x, lower, upper)`	x: 表达式, lower/upper: 边界	API 已定义	数值裁剪
`atan(x)`	x: 表达式	缺失	反正切函数

1.4 统计函数（需要新增）

函数名	类型	参数	说明
`ts_var(x, window)`	ts	x: 表达式, window: 窗口	滚动方差
`ts_skew(x, window)`	ts	x: 表达式, window: 窗口	滚动偏度
`ts_kurt(x, window)`	ts	x: 表达式, window: 窗口	滚动峰度
`ts_pct_change(x, periods)`	ts	x: 表达式, periods: 周期	百分比变化
`ts_ema(x, window)`	ts	x: 表达式, window: 窗口	指数移动平均
`ts_sma(x, window)`	ts	x: 表达式, window: 窗口	简单移动平均 (ts_mean 别名)

1.5 TA-Lib 技术指标（用户可安装 TA-Lib）

函数名	类型	参数	说明	优先级
`ts_atr(high, low, close, window)`	ts	high/low/close: 表达式, window: 窗口	真实波动幅度	高
`ts_obv(close, vol)`	ts	close/vol: 表达式	能量潮指标	高
`ts_rsi(close, window)`	ts	close: 表达式, window: 窗口	相对强弱指数	高
`ts_natr(high, low, close, window)`	ts	high/low/close: 表达式, window: 窗口	归一化 ATR	中

说明: 由于用户已确认可安装 TA-Lib，建议直接使用 ta-lib Python 包，并通过 adapter 模式封装到 DSL 中。

1.6 条件函数

函数名	参数	状态	说明
`if_(condition, true_val, false_val)`	condition: 布尔表达式	API 已定义	条件选择
`where(condition, true_val, false_val)`	同上	API 已定义	if_ 的别名

1.7 符号/数据字段

字段名	状态	数据来源	所属类别
`close`	可用	daily/pro_bar 表	价格
`open`	可用	daily/pro_bar 表	价格
`high`	可用	daily/pro_bar 表	价格
`low`	可用	daily/pro_bar 表	价格
`vol`	可用	daily/pro_bar 表	成交量
`amount`	可用	daily/pro_bar 表	成交额
`pre_close`	可用	daily/pro_bar 表	价格
`change`	可用	daily/pro_bar 表	价格变化
`pct_chg`	可用	daily/pro_bar 表	涨跌幅
`turnover_rate`	可用	daily/pro_bar 表	换手率
`volume_ratio`	可用	daily/pro_bar 表	量比

1.8 支持的运算符

算术运算符: +, -, *, /, **, //, % 比较运算符: ==, !=, <, <=, >, >= 一元运算符: -, +, abs()

二、需要新增的数据表

2.1 筹码分布数据（cyq 表）

数据来源: Tushare cyq API (VIP) 数据频率: 日频 同步方式: 按股票

字段名	类型	说明	依赖因子数
`cost_5pct`	DOUBLE	5% 成本价	~50个
`cost_15pct`	DOUBLE	15% 成本价	~50个
`cost_50pct`	DOUBLE	50% 成本价 (中位数)	~50个
`cost_85pct`	DOUBLE	85% 成本价	~50个
`cost_95pct`	DOUBLE	95% 成本价	~50个
`weight_avg`	DOUBLE	加权平均成本	~50个
`winner_rate`	DOUBLE	获利盘比例	~50个
`his_high`	DOUBLE	历史最高价	~10个
`his_low`	DOUBLE	历史最低价	~10个

依赖筹码数据的主要因子:

cashflow_to_ev_factor
chip_concentration_range
profit_pressure
underwater_resistance
vol_amp_loss_20
smallcap_concentration
cat_golden_resonance
...等 50+ 个

2.2 资金流向数据（moneyflow 表）

数据来源: Tushare moneyflow API (VIP) 数据频率: 日频 同步方式: 按股票

字段名	类型	说明	依赖因子数
`buy_sm_vol`	DOUBLE	小单买入量	~30个
`sell_sm_vol`	DOUBLE	小单卖出量	~30个
`buy_lg_vol`	DOUBLE	大单买入量	~30个
`sell_lg_vol`	DOUBLE	大单卖出量	~30个
`buy_elg_vol`	DOUBLE	特大单买入量	~30个
`sell_elg_vol`	DOUBLE	特大单卖出量	~30个
`net_mf_vol`	DOUBLE	净流入量	~20个

依赖资金流向数据的主要因子:

lg_elg_net_buy_vol
flow_lg_elg_intensity
sm_net_buy_vol
flow_divergence_ratio
lg_flow_mom_corr_20_60
cs_rank_net_lg_flow_val
...等 30+ 个

2.3 财务数据（financial 表）

数据来源: Tushare income/balance_sheet/cashflow API (VIP) 数据频率: 季度 同步方式: 按股票，需 asof_backward join

字段名	类型	说明	数据来源表
`bps`	DOUBLE	每股净资产	income
`total_liab`	DOUBLE	总负债	balance_sheet
`money_cap`	DOUBLE	货币资金	balance_sheet
`n_cashflow_act`	DOUBLE	经营活动现金流净额	cashflow
`undist_profit_ps`	DOUBLE	每股未分配利润	income
`ocfps`	DOUBLE	每股经营现金流	income
`roa`	DOUBLE	资产回报率	income
`roe`	DOUBLE	净资产收益率	income
`total_mv`	DOUBLE	总市值	daily_basic
`circ_mv`	DOUBLE	流通市值	daily_basic

依赖财务数据的主要因子:

undist_profit_ps
cashflow_to_ev_factor
book_to_price_ratio
cs_rank_size

2.4 行业分类数据

字段名	类型	说明	数据来源
`cat_l2_code`	VARCHAR	二级行业分类代码	stock_basic

用途: daily_industry_deviation, cs_rank_ind_adj_lg_flow 等分组计算

三、因子表达式可实现性分类

3.1 完全可实现（使用现有功能）

技术指标因子

因子名称	表达式	复杂度
`turnover_rate_mean_5`	`ts_mean(turnover_rate, 5)`	低
`bbi_ratio_factor`	`(ts_mean(close,3)+ts_mean(close,6)+ts_mean(close,12)+ts_mean(close,24))/4/close`	低

ARBR 因子

因子名称	表达式	复杂度
`AR`	`ts_sum(high - open, N) / ts_sum(open - low, N) * 100`	低
`BR`	`ts_sum(max_(0, high - ts_delay(close,1)), N) / ts_sum(max_(0, ts_delay(close,1) - low), N) * 100`	中
`AR_BR`	`AR - BR`	低

成交量因子

因子名称	表达式	复杂度
`volume_change_rate`	`ts_mean(vol, 2) / ts_mean(vol, 10) - 1`	低
`turnover_deviation`	`(turnover_rate - ts_mean(turnover_rate, 3)) / ts_std(turnover_rate, 3)`	低
`vol_std_5`	`ts_std(ts_delta(vol), 5)`	低

收益率因子

因子名称	表达式	复杂度
`return_5`	`close / ts_delay(close, 5) - 1`	低
`return_20`	`close / ts_delay(close, 20) - 1`	低
`std_return_5`	`ts_std(ts_delta(close)/ts_delay(close), 5)`	中
`std_return_90`	`ts_std(ts_delta(close)/ts_delay(close), 90)`	中

截面排序因子

因子名称	表达式	复杂度
`cs_rank_volume_ratio`	`cs_rank(volume_ratio)`	低
`cs_rank_turnover_rate`	`cs_rank(turnover_rate)`	低

3.2 需要新增 ts_* 函数

因子名称	所需函数	表达式示例	优先级
`variance_20`	`ts_var(x, window)`	`ts_var(pct_chg, 20)`	高
`return_skew`	`ts_skew(x, window)`	`ts_skew(pct_chg, 5)`	高
`return_kurtosis`	`ts_kurt(x, window)`	`ts_kurt(pct_chg, 5)`	高
`turnover_diff_skew_20`	`ts_skew(x, window)`	`ts_skew(ts_delta(turnover_rate), 20)`	高
`act_factor1`	`ts_ema(x, window)`	`atan((ts_ema(close,5)/ts_delay(ts_ema(close,5),1)-1)100) 57.3 / 50`	高
`act_factor2`	`ts_ema(x, window)`	`atan((ts_ema(close,13)/ts_delay(ts_ema(close,13),1)-1)100) 57.3 / 40`	高
`act_factor3`	`ts_ema(x, window)`	`atan((ts_ema(close,20)/ts_delay(ts_ema(close,20),1)-1)100) 57.3 / 21`	高
`act_factor4`	`ts_ema(x, window)`	`atan((ts_ema(close,60)/ts_delay(ts_ema(close,60),1)-1)100) 57.3 / 10`	高
`atr_14`	`ts_atr(h,l,c,w)`	`ts_atr(high, low, close, 14)`	高
`atr_6`	`ts_atr(h,l,c,w)`	`ts_atr(high, low, close, 6)`	高
`rsi_3`	`ts_rsi(x, window)`	`ts_rsi(close, 3)`	高
`obv`	`ts_obv(c, v)`	`ts_obv(close, vol)`	中
`maobv_6`	`ts_obv` + `ts_mean`	`ts_mean(ts_obv(close, vol), 6)`	中

3.3 需要新增 cs_* 函数

因子名称	所需函数	表达式示例	优先级
`daily_positive_benchmark`	`cs_mean(x)`	`cs_mean(pct_chg[pct_chg > 0])`	高
`daily_industry_positive_benchmark`	`cs_mean(x)` by group	`cs_mean(pct_chg) by cat_l2_code`	高
`industry_avg_flow`	`cs_mean(x)` by group	`cs_mean(net_lg_flow_vol) by trade_date, cat_l2_code`	中

注意: 这些因子需要 分组聚合 能力，可能需要扩展 DSL 语法支持 by 子句，或通过 cs_neutralize 的 group 参数实现。

3.4 需要新增数据表

依赖筹码数据（cyq 表）的因子

因子名称	表达式	复杂度
`chip_concentration_range`	`(cost_95pct - cost_5pct) / (close + epsilon)`	低
`chip_skewness`	`(weight_avg - cost_50pct) / (cost_50pct + epsilon)`	低
`profit_pressure`	`winner_rate * 0.5 * ((close/cost_85pct-1) + (close/cost_95pct-1))`	中
`underwater_resistance`	`(1-winner_rate) * max_(0, cost_15pct-close) / (close+epsilon)`	中
`smallcap_concentration`	`(1 / log(circ_mv)) * (cost_85pct - cost_15pct)`	中

依赖资金流向数据（moneyflow 表）的因子

因子名称	表达式	复杂度
`lg_elg_net_buy_vol`	`(buy_lg_vol + buy_elg_vol - sell_lg_vol - sell_elg_vol)`	低
`flow_lg_elg_intensity`	`lg_elg_net_buy_vol / (vol + epsilon)`	低
`cs_rank_net_lg_flow_val`	`cs_rank(lg_elg_net_buy_vol * close)`	低

依赖财务数据的因子

因子名称	表达式	复杂度	特殊需求
`book_to_price_ratio`	`bps / close`	低	需 asof_backward join
`cashflow_to_ev_factor`	`n_cashflow_act / (total_mv*10000 + total_liab - money_cap)`	高	需多表 join

3.5 需要复杂条件逻辑

因子名称	逻辑	实现方式
`daily_deviation`	按条件选择不同基准	`if_(pct_chg > 0, pct_chg - pos_benchmark, if_(pct_chg < 0, pct_chg - neg_benchmark, 0))`
`cat_volume_breakout`	布尔分类	`if_(vol > ts_max(vol, 5), 1, 0)`
`cat_turnover_spike`	阈值分类	`if_(turnover_rate > ts_mean(turnover_rate,3) + 2*ts_std(turnover_rate,3), 1, 0)`
`cat_golden_resonance`	多条件组合	`(close > weight_avg) & (volume_ratio > 1.5) & (winner_rate > 0.7)`

四、实施计划（按优先级排序）

Phase 1: 核心 ts_* 函数（Week 1-2）

目标: 实现最常用的 30+ 个因子

# 1. 新增数学函数（逐元素，无分组）
def atan(x): ...
def log1p(x): ...

# 2. 新增统计函数（ts_*，按 ts_code 分组）
def ts_var(x, window): ...      # 滚动方差
def ts_skew(x, window): ...     # 滚动偏度
def ts_kurt(x, window): ...     # 滚动峰度
def ts_pct_change(x, periods): ...  # 百分比变化

# 3. 新增 EMA（ts_*，使用 Polars ewm_mean）
def ts_ema(x, window):
    # 使用 Polars: pl.col(x).ewm_mean(span=window).over("ts_code")
    pass

# 4. 实现 ATR（基于现有函数组合）
def ts_atr(high, low, close, window):
    tr1 = high - low
    tr2 = abs(high - ts_delay(close, 1))
    tr3 = abs(low - ts_delay(close, 1))
    tr = max_(tr1, max_(tr2, tr3))
    return ts_mean(tr, window)

完成后可实现的因子:

variance_20
return_skew, return_kurtosis
turnover_diff_skew_20
act_factor1-4
atr_14, atr_6
vol_adj_roc_20

Phase 2: TA-Lib 集成（Week 3）

目标: 支持 RSI、OBV 等复杂技术指标

# 安装 TA-Lib
# pip install TA-Lib

# 封装为 ts_* 函数
def ts_rsi(close, window):
    # 使用 talib.RSI，并添加 .over("ts_code")
    pass

def ts_obv(close, vol):
    # 使用 talib.OBV，并添加 .over("ts_code")
    pass

完成后可实现的因子:

rsi_3
obv
maobv_6

Phase 3: 筹码分布数据同步（Week 4）

目标: 实现 cyq 表同步，支持 50+ 个筹码相关因子

class CyqSync(StockBasedSync):
    table_name = "cyq"
    TABLE_SCHEMA = {
        "ts_code": "VARCHAR(16) NOT NULL",
        "trade_date": "DATE NOT NULL",
        "cost_5pct": "DOUBLE",
        "cost_15pct": "DOUBLE",
        "cost_50pct": "DOUBLE",
        "cost_85pct": "DOUBLE",
        "cost_95pct": "DOUBLE",
        "weight_avg": "DOUBLE",
        "winner_rate": "DOUBLE",
        "his_high": "DOUBLE",
        "his_low": "DOUBLE",
    }
    PRIMARY_KEY = ("ts_code", "trade_date")

完成后可实现的因子:

chip_concentration_range
profit_pressure
underwater_resistance
smallcap_concentration
...等 50+ 个

Phase 4: 资金流向数据同步（Week 5）

目标: 实现 moneyflow 表同步，支持 30+ 个资金相关因子

class MoneyFlowSync(StockBasedSync):
    table_name = "moneyflow"
    TABLE_SCHEMA = {
        "ts_code": "VARCHAR(16) NOT NULL",
        "trade_date": "DATE NOT NULL",
        "buy_sm_vol": "DOUBLE",
        "sell_sm_vol": "DOUBLE",
        "buy_lg_vol": "DOUBLE",
        "sell_lg_vol": "DOUBLE",
        "buy_elg_vol": "DOUBLE",
        "sell_elg_vol": "DOUBLE",
        "net_mf_vol": "DOUBLE",
    }

完成后可实现的因子:

lg_elg_net_buy_vol
flow_lg_elg_intensity
cs_rank_net_lg_flow_val
...等 30+ 个

Phase 5: 分组聚合功能（Week 6）

目标: 实现 cs_mean by group 等分组计算

# 方式1: 扩展 cs_neutralize 的 group 参数
def cs_neutralize(x, group=None):
    if group:
        return (x - x.mean().over(["trade_date", group]))
    return (x - x.mean().over("trade_date"))

# 方式2: 新增 cs_mean_by 函数
def cs_mean_by(x, by):
    return x.mean().over(["trade_date"] + by)

完成后可实现的因子:

daily_deviation
daily_industry_deviation
cs_rank_ind_adj_lg_flow

Phase 6: 财务数据集成（Week 7）

目标: 实现财务数据同步和 asof_backward join

# 使用 DataSpec 的 asof_backward 模式
spec = DataSpec(
    table="financial_income",
    columns=["bps", "roe", "roa"],
    join_type="asof_backward",
    left_on="trade_date",
    right_on="f_ann_date",
)

完成后可实现的因子:

book_to_price_ratio
cashflow_to_ev_factor
cs_rank_size (需要 circ_mv)

五、可实现性统计

按实现难度分类

类别	数量	状态	时间预估
立即可实现	~40个	使用现有功能	0 周
需新增 ts_* 函数	~30个	Phase 1-2	2-3 周
需新增 cs_* 函数	~10个	Phase 5	1 周
需筹码数据 (cyq)	~50个	Phase 3	1 周
需资金数据 (moneyflow)	~30个	Phase 4	1 周
需财务数据 (financial)	~20个	Phase 6	1 周
总计	180+个		6-7 周

按数据源分类

数据源	依赖因子数	实现难度	优先级
daily/pro_bar (已有)	~40	低	高
纯技术指标 (ts_*)	~30	中	高
筹码分布 (cyq)	~50	中	中
资金流向 (moneyflow)	~30	中	中
财务数据 (financial)	~20	高	低
分组计算 (cs_* by group)	~10	高	低

六、立即可实现的因子示例

from src.factors.api import close, open, high, low, vol, pct_chg, turnover_rate
from src.factors.api import ts_mean, ts_std, ts_max, ts_min, ts_delay, ts_delta, ts_corr, ts_sum
from src.factors.api import cs_rank, cs_zscore, cs_neutralize
from src.factors.api import log, sqrt, abs, sign, max_, min_, clip, if_

# 1. BBI 比率
bbi = (ts_mean(close, 3) + ts_mean(close, 6) + ts_mean(close, 12) + ts_mean(close, 24)) / 4
bbi_ratio_factor = bbi / close

# 2. AR 因子 (N=26)
ar = ts_sum(high - open, 26) / ts_sum(open - low, 26) * 100

# 3. BR 因子 (N=26)
prev_close = ts_delay(close, 1)
br = ts_sum(max_(0, high - prev_close), 26) / ts_sum(max_(0, prev_close - low), 26) * 100
ar_br = ar - br

# 4. 成交量变化率
volume_change_rate = ts_mean(vol, 2) / ts_mean(vol, 10) - 1

# 5. 换手率偏离度
turnover_deviation = (turnover_rate - ts_mean(turnover_rate, 3)) / ts_std(turnover_rate, 3)

# 6. 5日收益率
return_5 = close / ts_delay(close, 5) - 1

# 7. 20日收益率
return_20 = close / ts_delay(close, 20) - 1

# 8. Alpha 003
alpha_003 = if_(high != low, (close - open) / (high - low), 0)

# 9. Alpha 007 (等 Phase 1 后)
# alpha_007 = cs_rank(ts_corr(close, vol, 5))

# 10. 截面排名
rank_close = cs_rank(close)
rank_volume = cs_rank(vol)

# 11. Z-Score 标准化
zscore_close = cs_zscore(close)

# 12. 截面中性化 (Phase 5 后支持分组)
# neutralized = cs_neutralize(close, group="industry")

七、结论与建议

关键发现

ts_ vs cs_ 区分清晰**:
- ts_* 函数按 ts_code 分组，用于时间序列计算
- cs_* 函数按 trade_date 分组，用于截面计算
- 数学函数（log, exp, atan 等）为逐元素计算，无分组
当前框架已实现:
- 9个核心 ts_* 函数（mean, std, max, min, sum, delay, delta, corr, cov）
- 3个 cs_* 函数（rank, zscore, neutralize）
- 完整的运算符重载系统
主要缺口:
- 统计函数: ts_var, ts_skew, ts_kurt, ts_pct_change
- 技术指标: ts_ema, ts_atr, ts_rsi, ts_obv
- 数学函数: atan, log1p
- 分组聚合: cs_mean, cs_sum by group
- 数据表: cyq, moneyflow, financial

阶段	目标	时间	完成后可计算因子数
Phase 1	ts_var, ts_skew, ts_kurt, ts_ema, atan	1-2周	+30个
Phase 2	TA-Lib 集成 (RSI, OBV)	1周	+5个
Phase 3	筹码数据同步 (cyq)	1周	+50个
Phase 4	资金流向同步 (moneyflow)	1周	+30个
Phase 5	分组聚合功能	1周	+10个
Phase 6	财务数据集成	1周	+20个
总计		6-7周	180+个

建议优先实现的因子（高 ROI）

BBI 比率: 纯技术指标，无需新数据
AR/BR: 经典情绪指标，无需新数据
换手率偏离度: 流动性因子，无需新数据
筹码集中度: 需 cyq 数据，但实现简单
大单净流入: 需 moneyflow 数据，实现简单

通过以上步骤，预计在 6-7 周 内可实现文档中 90% 以上的因子表达式。

22 KiB Raw Blame History Unescape Escape

因子表达式可实现性分析报告 (v2)

文档来源

一、当前 DSL 框架已实现功能

1.1 时间序列函数 (ts_*)

1.2 截面函数 (cs_*)

1.3 数学函数（无分组，逐元素计算）

1.4 统计函数（需要新增）

1.5 TA-Lib 技术指标（用户可安装 TA-Lib）

1.6 条件函数

1.7 符号/数据字段

1.8 支持的运算符

二、需要新增的数据表

2.1 筹码分布数据（cyq 表）

2.2 资金流向数据（moneyflow 表）

2.3 财务数据（financial 表）

2.4 行业分类数据

三、因子表达式可实现性分类

3.1 完全可实现（使用现有功能）

技术指标因子

ARBR 因子

成交量因子

收益率因子

截面排序因子

3.2 需要新增 ts_* 函数

3.3 需要新增 cs_* 函数

3.4 需要新增数据表

依赖筹码数据（cyq 表）的因子

依赖资金流向数据（moneyflow 表）的因子

依赖财务数据的因子

3.5 需要复杂条件逻辑

四、实施计划（按优先级排序）

Phase 1: 核心 ts_* 函数（Week 1-2）

Phase 2: TA-Lib 集成（Week 3）

Phase 3: 筹码分布数据同步（Week 4）

Phase 4: 资金流向数据同步（Week 5）

Phase 5: 分组聚合功能（Week 6）

Phase 6: 财务数据集成（Week 7）

五、可实现性统计

按实现难度分类

按数据源分类

六、立即可实现的因子示例

七、结论与建议

关键发现

推荐实施路径

建议优先实现的因子（高 ROI）

22 KiB

Raw Blame History