阶段9WorldQuant BRAIN●●●●●

BRAIN表达式语言：一行代码一个因子

我的掌握程度：

q-802精讲

先掌握这个答案

语法三层积木：①数据字段：close/open/volume/returns/capitalization/vwap…以及高级数据集（分析师预期、新闻情绪等）；②时序算子（对单股票沿时间）：ts_delta(x,n)变化量、ts_mean/ts_std滚动统计、ts_rank时序分位、ts_corr(x,y,n)滚动相关、ts_decay_linear(x,n)线性衰减平滑；③截面算子（每天跨股票）：rank(x)排名、zscore(x)标准化、group_neutralize(x, industry)行业中性化。翻译流程：市场假设→数学描述→积木拼装：例「放量滞涨看跌」= 价格涨幅相对量的关系 → rank(ts_corr(rank(returns), rank(volume), 10))取负。

先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。

从理解到使用

平台标准以当期官方规则为准

资格、评分、提交次数、算子和收益门槛都可能调整。保存规则快照与实验台账，避免围绕公开榜反复调参；平台成绩不能直接替代样本外研究证据或实际收益。

本阶段实战方法 · 用实验记录把竞赛变成研究成果

参加BRAIN或金融预测比赛时，把平台成绩和可迁移的研究能力分别评价。

先阅读当前赛题数据、时间戳、评分、提交限制与使用条款；门槛以平台当期规则为准。
每次只改变一个假设，记录数据版本、公式、参数、seed、本地验证、提交分数和尝试次数。
固定验证后总结失败案例、成本敏感性和复现步骤，产出别人能核查的项目报告。

使用边界

Public榜不是最终测试集，反复围绕它调参会产生选择偏差。
平台Alpha达标不代表可直接实盘，也不等于通过招聘或获得稳定收入。

不懂的术语：股票（Stock）因子（Factor）Delta BRAIN（WorldQuant）

背景 · 从一个困惑说起

BRAIN的核心交互是一行表达式：输入数据字段，套上算子，输出每只股票每天的因子值。它像一门微型语言——掌握三十个常用算子的组合方式，你就能把阶段5学过的所有因子思想翻译过去。

由此产生的问题

表达式的语法结构是什么？必学的算子清单？从「想法」到「表达式」的翻译流程怎么练？

核心概念

为什么需要它

①生产力倍增器：熟手一天可试50个表达式——假设吞吐量即BRAIN成绩（也是私募研究员的KPI）；②算子即方法论：每个算子对应阶段5的一个概念（ts_mean=滚动窗口、rank=横截面标准化、group_neutralize=中性化）——学算子的过程就是复习方法论；③平台通用语：国内多个私募的内部因子平台与BRAIN表达式高度相似，这门「微型语言」直接迁移到职场。

实际应用场景

常用模板库（背下来）：反转 rank(-ts_delta(close,N))；量价背离 -ts_corr(rank(close), rank(volume), N)；异动波动 ts_std(returns,N)取负；情绪类 ts_delta(news_sentiment,N)。达标微调三板斧：外层加ts_decay_linear降换手、group_neutralize提稳定性、多周期取均值降噪声。

与之前知识的联系

阶段5的「预处理三件套」= 表达式里的 rank/zscore + group_neutralize；阶段6的换手率约束 = Turnover指标与decay算子——八门功课在十几个算子里合流。下一题讲达标技巧（Sharpe/Fitness/Turnover的平衡艺术）。

⚠ 常见误解

算子越多表达式越高级：长表达式的过拟合风险同步上升；简洁且逻辑清晰的Alpha更可能样本外存活
背模板就能一直刷：模板很快会被「相关性检查」拦截（与已有Alpha相关>0.7不能提交）——必须理解逻辑才能持续创新
表达式=全部：数据集选择（价量vs基本面vs情绪）常比算子组合更重要——换数据集是突破瓶颈的第一杠杆

🤖 AI导师

导师会先检查你的前置知识（因子构造、横截面排名、滚动窗口），再用案例、公式和代码帮助理解。此功能需要先启用服务。