WorldQuant BRAIN 速查清单
带具体数值的项，一律以登录 BRAIN 平台内实际显示 / 官方文档为准（随区域、赛季、是否竞赛而变）。本清单数值多为社区经验值。
1. 核心术语
| 术语 | 含义 |
|---|---|
| Alpha | 预测价格走势的数学表达式，输出每票持仓强度 |
| Simulate | 写 Alpha 并回测的界面 |
| Universe | 股票池（如 USA TOP3000 / TOP1000） |
| Delay | 信号滞后天数，Delay 1 = 用昨收，防未来函数 |
| Neutralization | 中性化：市场/行业/子行业，剥离共同风险 |
| Decay | 信号线性衰减天数，用来降换手、平滑 |
| Truncation | 单票最大权重上限，控集中度 |
| IS / OS | 样本内 / 样本外 |
| PnL | 盈亏，顾问报酬的挂钩对象 |
2. 指标与门槛
| 指标 | 看什么 | 常见门槛（需平台核验） |
|---|---|---|
| Sharpe | 风险调整后收益 | 越高越好，社区常引 ≈ 1.25 起 |
| Fitness | 综合质量分 | > 1.0 |
| Turnover(TVR) | 日均换手 | 1% < TVR < 70% |
| Returns | 年化收益 | 越高越好 |
| Drawdown | 最大回撤 | 越小越好 |
| Margin | 每笔毛利(约 bps) | 越高越健康 |
| Sub-universe Sharpe | 换小池是否仍稳 | 比值达标 |
| Self-correlation | 与自己已交 Alpha 相关性 | 低于阈值，社区常引 < 0.7 |
Fitness 常见近似定义（社区）：
Fitness = Sharpe * sqrt(|Returns| / max(Turnover, 阈值))，即在 Sharpe 基础上奖励高收益、惩罚高换手。以平台实际计算为准。
3. 提交检查清单（Submit 前自查）
- Fitness > 1
- 1% < Turnover < 70%
- Sharpe 达到区域最低线
- Sub-universe Sharpe 稳（换小池不崩）
- Self-correlation 低（与自己已交的不重复）
- 权重不过度集中在少数票/单一方向
- 样本内外表现一致（不是只在历史好看）
4. 常用 Operator（算子）分类
完整清单以平台 Operators 文档为准，下面是高频入门集。
| 类别 | 常用算子 | 作用 |
|---|---|---|
| 横截面 | rank(x) | 全市场排序成 0~1 相对位置 |
| 横截面 | zscore(x) | 截面标准化 |
| 横截面 | winsorize(x, std) | 截断极端值防离群 |
| 时间序列 | ts_delta(x, d) | x 与 d 天前的差 |
| 时间序列 | ts_mean(x, d) | d 天均值 |
| 时间序列 | ts_std_dev(x, d) | d 天标准差 |
| 时间序列 | ts_rank(x, d) | 时间维排序 |
| 时间序列 | ts_corr(x, y, d) | d 天相关 |
| 分组 | group_rank(x, g) | 组内排序（如行业内） |
| 分组 | group_neutralize(x, g) | 组内中性化 |
| 数学 | abs / log / sign / power | 常规数学变换 |
| 逻辑 | if_else(cond, a, b) | 条件选择 |
5. 常用数据字段（Data Fields）
| 类别 | 举例 | 说明 |
|---|---|---|
| 价量 | close / open / high / low / volume / vwap / returns | 最基础、最拥挤 |
| 基本面 | 财报类字段（营收/利润/资产等） | 更新慢，逻辑更「慢变量」 |
| 分析师 | 预期/评级类字段 | 事件驱动信号 |
| 其它另类 | 平台按区域提供的特色数据集 | 找差异化、降相关的富矿 |
想做出低 self-correlation 的新 Alpha，换「数据源」往往比换「算子」更有效。
6. 回测参数速记
| 参数 | 常用起点 | 调它影响 |
|---|---|---|
| Region/Universe | USA TOP3000 | 池子越大越稳、越小越容易过拟合 |
| Delay | 1 | 防未来函数，最常用 |
| Neutralization | 行业/子行业 | 大幅影响 Sharpe 与稳健性 |
| Decay | 从 0 起试 | 调大→降换手、平滑信号 |
| Truncation | 适度 | 控单票权重、降集中度 |
7. 表达式模板（起步用）
# 反转（最简）
-1 * returns
# 反转 + 截面排序降噪
rank(-1 * ts_delta(close, 5))
# 量价结合的反转
-1 * ts_mean(returns, 5) * rank(volume)
# 波动率倒数加权（低波动偏好）
rank(1 / ts_std_dev(returns, 20))
# 行业内排序（组内相对强弱）
group_rank(-1 * ts_delta(close, 5), industry)8. 最小记忆卡
只背这 7 条：
- Alpha = 一行预测涨跌的表达式，
rank做截面排序、ts_沿时间。 - 回测先定：Region / Delay 1 / Neutralization / Decay。
- 看指标先看 Fitness>1、Sharpe 够、Turnover 在 1%~70%。
- 提交要过检查：Fitness / 换手 / 子池稳健 / 自相关低。
- 降自相关靠换数据源，不只是换算子。
- 成为顾问 = 稳定产出多个低相关合格 Alpha + 打竞赛 → 被邀请签约。
- 收入是绩效制长尾结果，别当稳定副业；它更值钱的是数据/环境/战绩/竞赛机会。