量化因子 3 大项目 实战 pipeline 教程

如果你想从 0 build 一个量化因子框架,GitHub 上有 3 个项目是必看的:
🥇 wilsonfreitas/awesome-quant (⭐29k) — Quant 工具索引
🥈 stefan-jansen/ml4trading (⭐20k) — 教科书级 27 章 + Ch 8 因子工程
🥉 quantopian/alphalens (⭐4.4k) — 因子评估金标准

3 个项目是 pipeline 关系:awesome-quant 告诉你用什么,ml4trading 教你怎么build,alphalens 告诉你好不好。

1awesome-quant — 工具索引器

⭐ 29,148 · 904 commits · 2026-08-25 更新 · 7.1 MB · 3.9k forks

1.1 核心机制

这是一个 curated link list,本质是一份高度结构化的 markdown。它把 quant 工具按 19 个分类组织:

• Numerical Libraries: numpy / scipy / pandas / polars / sympy
• Financial Instruments & Pricing: QuantLib / vollib / FinancePy
• Technical Indicators: ta-lib / pandas-ta
• Trading & Backtesting: zipline / backtrader / vectorbt / nautilus_trader
• Portfolio Optimization: PyPortfolioOpt / Riskfolio-Lib
• 🎯 Factor Analysis (你关心的): alphalens / alphalens-reloaded / Gplearn / mlfinlab
• Sentiment / Alternative Data: Alpha Vantage / FinBERT
• Time Series / Data Sources / Books / MCP ...

1.2 Factor Analysis 章节(精华)

跟你"如何创建量化因子"直接相关,我从 760 行的 README 里抽出 Factor Analysis 章节:

1.3 它怎么运作

• 每条 entry 格式统一: [name](url) - language - description
• 项目有 .agents/skills/ 和 .claude/skills/ — 已经为 AI 工具准备好了 agent skills
• topic.py 自动从 GitHub 抓取每个项目的 topics
• cranscrape.py 从 CRAN 抓 R 包

2ml4trading Ch 8 — 因子工程的"圣经"

⭐ 20,630 · 1 GB · 611 commits · 27 章 + 9 case studies

2.1 Ch 8 在整个书的定位

Ch 8 (Financial Feature Engineering) 是整本 3rd edition 的核心之一 — 它把"做一个因子"这件事从"指标收集"提升为"假设驱动的特征工程"。

书的 27 章完整 pipeline:

01-04  数据基础设施 (process, market, microstructure, alt data)
05     合成数据生成
06-07  策略定义 / 学习任务定义
08 ⭐   金融特征工程 ← 本文重点
09     模型驱动特征 (PCA / 隐因子)
10     文本特征
11     ML pipeline
12-15  各种 ML/DL 方法
16-20  回测 / 组合 / 成本 / 风险
21-26  RL / RAG / 知识图谱 / agent / live trading / MLOps
27     系统化 edge

2.2 Ch 8 的 7 大因子族(我读 README 后的核心提炼)

2.3 Ch 8 的 9 大核心概念(从 Learning Objectives 提炼)

1. Trading 假设 → 特征规格: 写因子前先写"我想预测什么 / 在什么 horizon / 为什么"
2. Reference frame: 用 daily close / intraday / VWAP — 不同价格含义不同
3. Representation: returns / z-scores / ranks — 选错归一化方式会改变信号
4. Aggregation: rolling mean / EMA / fractal — 选错会平滑掉信号
5. Signal vs State: 价格是 signal,波动率是 state,交互(gating)才有效
6. Cross-asset features: term structure / relative value / lead-lag
7. Point-in-time (PIT) discipline: 慢数据是慢数据,必须用 ASOF join,不能用 future data
8. Feature search control: 搜索自由度爆炸,one-knob-at-a-time + 多重检验校正
9. Robustness: 参数扰动 / 制度切换 / 跨资产 都得稳定,否则是过拟合

2.4 怎么运作 — Ch 8 的代码路径

# 8.2 价格衍生因子
uv run python 08_financial_features/01_price_volume_features.py

# 8.3 结构性 + 跨合约
uv run python 08_financial_features/03_structural_cross_instrument_features.py
# 内存峰值 ~7.4 GB RSS (AlgoSeek S&P 500 options surface)

# 8.4 基本面 + 宏观 + 日历 (PIT)
uv run python 08_financial_features/04_fundamentals_macro_calendar.py

# 8.6 特征选择 + 鲁棒性
uv run python 08_financial_features/05_feature_selection.py
uv run python 08_financial_features/06_robustness_sensitivity.py

# 测试模式 (Papermill)
uv run pytest tests/test_notebooks.py -v -k "08_financial_features"

3alphalens — 因子评估金标准

⭐ 4,426 · 90 MB · 2020-04 最后 commit · 522 commits

3.1 核心机制 (我读 tears.py 后拆解)

alphalens 的核心是 create_full_tear_sheet() — 一行代码出 4 大评估报告。让我从源码看:

# alphalens/tears.py line 489-526
@plotting.customize
def create_full_tear_sheet(factor_data, long_short=True,
                           group_neutral=False, by_group=False):
    """ 4 大评估 """
    plotting.plot_quantile_statistics_table(factor_data)  # 分位统计表
    create_returns_tear_sheet(factor_data, long_short,
                                group_neutral, by_group)    # 1) 收益分析
    create_information_tear_sheet(factor_data, group_neutral,
                                    by_group)                # 2) IC 分析
    create_turnover_tear_sheet(factor_data)                 # 3) 换手率

3.2 4 大评估的核心数学

3.3 2 步用法

import alphalens

# Step 1: 准备数据 (MultiIndex: date + asset)
factor_data = alphalens.utils.get_clean_factor_and_forward_returns(
    my_factor,             # 你的因子 Series
    pricing,                # 行情 DataFrame
    quantiles=5,           # 分5档
    groupby=ticker_sector, # 可选: 行业分组
    groupby_labels=...
)

# Step 2: 一键出全套评估
alphalens.tears.create_full_tear_sheet(factor_data)

3.4 关键问题

3.5 IC 阈值的工程经验

🔁3 个项目串成 Pipeline

这是 3 个项目**真正**的协同工作流 (我从 3 个 README 提炼的):

┌──────────────────┐     ┌──────────────────┐     ┌──────────────────┐
│  1. awesome-quant  │     │  2. ml4trading    │     │  3. alphalens     │
│  (工具索引)        │     │  Ch 8 因子工程     │     │  (因子评估)        │
│                   │     │                   │     │                   │
│  - 选因子库         │ ──→ │  - 写特征规格      │ ──→ │  - 算 IC          │
│  - 选回测框架       │     │  - 7 大因子族      │     │  - 分位回测        │
│  - 选数据源         │     │  - 9 大核心概念    │     │  - 换手率          │
│  - 选 MCP/agent    │     │  - PIT 严格         │     │  - 1 行出 tear sheet│
└──────────────────┘     └──────────────────┘     └──────────────────┘
     What to use           How to build             How good is it

真实工作流示例: 做一个"动量 + 低波"组合因子

# === 阶段 1: 选工具 (awesome-quant) ===
# 看 Factor Analysis 章节, 决定用:
#   - 因子定义: 自己写 (Ch 8 教)
#   - 评估: alphalens
#   - 回测: vectorbt
#   - 数据: yfinance 或 tushare

# === 阶段 2: 写因子 (ml4trading Ch 8) ===
import pandas as pd
import numpy as np

def momentum_lowvol_factor(prices, lookback=60, vol_lookback=20):
    """Ch 8 思路: 6 月动量 + 20 日低波 → signal × state 交互"""
    # Step 1: signal - 6 月动量
    momentum = prices.pct_change(lookback)
    # Step 2: state - 20 日波动率
    volatility = prices.pct_change().rolling(vol_lookback).std()
    # Step 3: 组合 (gating: 低波时信号更强)
    z_mom = (momentum - momentum.rolling(252).mean()) / momentum.rolling(252).std()
    z_vol = (volatility - volatility.rolling(252).mean()) / volatility.rolling(252).std()
    factor = z_mom * np.exp(-z_vol)  # 低波时动量权重更大
    return factor.shift(1)  # PIT: 昨天计算,今天用

# === 阶段 3: 评估 (alphalens) ===
import alphalens

pricing = ...  # 你的行情数据
my_factor = momentum_lowvol_factor(pricing)

factor_data = alphalens.utils.get_clean_factor_and_forward_returns(
    my_factor, pricing, quantiles=5
)
alphalens.tears.create_full_tear_sheet(factor_data)
# → 1 行出 IC + 分位收益 + 换手率

⚠️7 大注意方向 (build 自己的因子框架必看)

🛠️build 自己框架的 5 步实操

基于 3 个项目的研究,我建议的最小可运行 pipeline:

# === Step 1: 选工具 (5 min, 看 awesome-quant) ===
# 决定: alphalens-reloaded + pandas + numpy + yfinance

# === Step 2: 数据准备 (1 小时, PIT 严格) ===
import yfinance as yf
pricing = yf.download("AAPL", start="2015-01-01")["Close"]
# 必须 PIT: 用昨天的价格,不能用今天未收盘的

# === Step 3: 写因子 (4 小时, 跟 Ch 8 思路) ===
def my_factor(prices, lookback=60):
    return prices.pct_change(lookback).shift(1)  # 1 步 PIT

factor = my_factor(pricing)

# === Step 4: 评估 (10 min, alphalens 一行) ===
import alphalens_reloaded as alphalens  # 用维护版
factor_data = alphalens.utils.get_clean_factor_and_forward_returns(
    factor, pricing, quantiles=5
)
alphalens.tears.create_full_tear_sheet(factor_data)
# → 看 4 大图: 分位收益 / IC / 换手率

# === Step 5: 决策 (1 min) ===
# IF Rank IC > 0.02 AND 换手率 < 30%/月 AND 多空 PnL 显著
#   → 可纳入多因子模型
# ELSE → 换参数 / 换逻辑 / 丢弃

📚3 大项目 GitHub 直链

推荐阅读顺序

1. 先看 awesome-quant Factor Analysis 章节 (15 分钟,找工具)
2. 然后看 ml4trading Ch 8 README (30 分钟,学方法论)
3. 装 alphalens-reloaded 跑一个 demo (1 小时,建立直觉)
4. 最后看 Ch 14 Latent Factors (2 小时,理解 PCA/CAE)

🎯3 个项目的核心原理总结

3 个项目互为补充, 0 重叠:索引 → 教学 → 评估,形成完整 pipeline。

与前文 essay 联动

• 聚类分析 5 层实战 - 无监督找客户群
• Churn 预测 4 模型 - XGBoost + SHAP 实战
• 决策树 5 层实战 - Adult Income 4 模型
• 本文 - 量化因子 3 大项目 pipeline

完 · 2026-08-25 · Chase's Personal Page · 3 个 GitHub 真实项目机制拆解