第 9 章 · 01 Alpha 信号与 Selection 选股

第 9 章 · 01 Alpha 信号与 Selection 选股

本节摘要:本节进入全书第二个高潮(★)——Algorithm Framework 五层模型(约 0.75 万行)。这是 Lean"策略工程化/可组装"的核心:把一个完整策略拆成五个可独立替换的层——Alpha(生成信号)、Selection(选股)、Portfolio(组合构建)、Execution(执行)、Risk(风控),每层都是接口 + 多个实现,且每个实现都提供 .cs + .py 双版本。本节先钻取前两层:Alpha 层的 IAlphaModel.Update 怎么把 Slice 转成 Insight[](方向 Up/Down/Flat + 持续时间 + 置信度 + 标的),典型实现 RSI 跨越 30/70、EMA 快慢交叉、MACD、配对交易;Selection 层的 IUniverseSelectionModel 怎么定期刷新选股池(CoarseFundamental 粗筛 + FineFundamental 细筛 + QC500)。Selection 在另一个维度并行决定"标的有谁",与 Alpha 在"标的怎么交易"维度上正交组合。

内容来源:原项目源码 Algorithm.Framework/Alphas/、Algorithm.Framework/Selection/、Algorithm/Alphas/IAlphaModel.cs、Common/Algorithm/Framework/Alphas/Insight.cs,精读并套用体系化模板。

⚠️ 注意:本章是★高潮章,内容更充实。Framework 五层是一种与第 4 章 QCAlgorithm 不同的策略写作范式——传统范式继承 QCAlgorithm 在 OnData 里写订单,Framework 范式用 SetAlpha/SetUniverseSelection/... 装配五个独立模型。两种范式可在同一算法里混用,但 Framework 更适合"模块化、可重用、可回测累积 alpha 评分"的场景。

学习目标

阅读完本节,你应当能够:

1. 说清 Framework 五层的责任链数据流(Slice→Alpha→Insight[]→Portfolio→IPortfolioTarget[]→Risk→Execution→订单)。
2. 解释 Alpha 层的 IAlphaModel.Update(QCAlgorithm, Slice)→IEnumerable<Insight> 接口。
3. 读懂 Insight 的核心字段(方向/持续时间/置信度/标的/周期)。
4. 列举 Alpha 的典型实现(RSI/EMA 交叉/MACD/历史收益/配对交易)及其触发逻辑。
5. 说清 Selection 层的 IUniverseSelectionModel 怎么定期刷新,Coarse/Fine 两级筛选有何差别。

一、Framework 五层模型:可组装的策略工程化

回顾第 4 章,传统 Lean 策略继承 QCAlgorithm,在 OnData(Slice) 里手写订单逻辑。这种写法自由,但策略越大越乱——选股、信号、仓位、执行、风控代码全混在 OnData 里,改一处牵动全身。Framework 模型把这堆职责切成五段流水线,每段一个接口、独立测试、自由替换:

Slice(市场数据)
   │
   ▼
1. Alpha          IAlphaModel.Update(algorithm, slice) → IEnumerable<Insight>
   │              (生成"我预测某标的会涨/跌"的信号)
   ▼
2. Portfolio      IPortfolioConstructionModel.CreateTargets(algorithm, insights) → IPortfolioTarget[]
   │              (把信号转成"每个标的目标持仓多少")
   ▼
3. Risk           IRiskManagementModel.ManageRisk(algorithm, targets) → filtered IPortfolioTarget[]
   │              (风控过滤,可减仓或清零)
   ▼
4. Execution      IExecutionModel.Execute(algorithm, targets)
   │              (按目标持仓下单,可拆单/限价)
   ▼
   真实订单
​

并行的还有第 0 层——Selection(Universe 选股),它独立决定"哪些标的进可交易池",与上面四层数据流在另一个维度上正交运行。

QCAlgorithm.Framework.cs:31-79 把五个接口挂成属性:

31    public partial class QCAlgorithm
32    {
49        public IUniverseSelectionModel UniverseSelection { get; set; }
55        public IAlphaModel Alpha { get; set; }
67        public IPortfolioConstructionModel PortfolioConstruction { get; set; }
73        public IExecutionModel Execution { get; set; }
79        public IRiskManagementModel RiskManagement { get; set; }
​

五个属性都默认指向 Null*Implementation(空实现),不调用 SetAlpha 等方法时就走传统 OnData 范式;一旦装配任意一层,五层责任链就激活。

💡 钻取要点:这是经典的管道-过滤器(Pipe-Filter)架构——每段单一职责,通过 IEnumerable<Insight> / IPortfolioTarget[] 等强类型契约串联。改信号不动选股、改执行不动风控,每段都能单独替换、单独测试、单独积累"alpha 评分"做策略研究。这与第 3 章的 Handler 插件化是同一种设计哲学,只不过 Handler 钻取的是引擎层,Framework 钻取的是策略层。

二、责任链数据流:OnFrameworkData 全程驱动

五个接口怎么串起来?QCAlgorithm.Framework.cs:106-244 的两个方法是数据流的全部入口。OnFrameworkData(Slice) 由 AlgorithmManager(第 2 章)在每个时间步回调:

106    public void OnFrameworkData(Slice slice)
107    {
108        if (UtcTime >= UniverseSelection.GetNextRefreshTimeUtc())
109        {
             // 到了刷新时点,重建 Universe(Selection 层独立运行)
126            foreach (var universe in UniverseSelection.CreateUniverses(this)) { ... }
141        }
144        Insights.Step(UtcTime);   // 更新已有 insight 的累计评分
147        if (!slice.HasData) return;
153        var insightsEnumerable = Alpha.Update(this, slice);    // ① Alpha 层
155        var insights = insightsEnumerable == Enumerable.Empty<Insight>()
156            ? new Insight[] { } : insightsEnumerable.ToArray();
159        if (insights.Length != 0) { insights = InitializeInsights(insights); OnInsightsGenerated(insights); }
165        ProcessInsights(insights);   // ②③④ 串接 Portfolio/Risk/Execution
166    }
​

而 ProcessInsights 把后三层串起来:

176    private void ProcessInsights(Insight[] insights)
177    {
179        var targetsEnumerable = PortfolioConstruction.CreateTargets(this, insights);  // ② Portfolio
185        foreach (var target in targets) { Securities[target.Symbol].Holdings.Target = target; }
200        var riskTargetOverridesEnumerable = RiskManagement.ManageRisk(this, targets);  // ③ Risk
227        riskAdjustedTargets = riskTargetOverrides.Concat(targets).DistinctBy(pt => pt.Symbol).ToArray();
243        Execution.Execute(this, riskAdjustedTargets);    // ④ Execution
244    }
​

注意 L227——风控产出的是"覆盖项"(riskTargetOverrides),与原 targets 按 Symbol 去重拼接,风控优先。这就是为什么风控"清零"持仓能生效:同一 Symbol 在覆盖表里出现,DistinctBy 保留前面的风控版本。

三、Alpha 层:IAlphaModel 接口与 Insight

3.1 IAlphaModel 极简接口

Algorithm/Alphas/IAlphaModel.cs:24-34:

24    public interface IAlphaModel : INotifiedSecurityChanges
25    {
33        IEnumerable<Insight> Update(QCAlgorithm algorithm, Slice data);
34    }
​

整个 Alpha 层就一个方法 Update(algorithm, slice),返回若干 Insight。INotifiedSecurityChanges 提供 OnSecuritiesChanged 回调,让模型在标的进出时清理/初始化自身状态(如指标预热)。

3.2 Insight:一个预测的完整契约

Insight.cs:32-106 是 Framework 的核心数据结构,描述"对某标的未来某段时间方向的预测":

32    public class Insight
39    { public Guid Id { get; }
71    public Symbol Symbol { get; }       // 标的
76    public InsightType Type { get; }    // Price/Volatility/...
91    public InsightDirection Direction { get; }   // Up/Down/Flat
96    public TimeSpan Period { get; }     // 预测生效周期
101   public double? Magnitude { get; }   // 预测涨跌幅
106   public double? Confidence { get; }  // 置信度 0-1
111   public double? Weight { get; }      // 持仓权重提示
116   public InsightScore Score { get; }  // 评分(回填:这个预测准不准)
​

方向枚举(InsightDirection.cs:25-41)是核心三态:

25    public enum InsightDirection
26    {
30        Down = -1,    // 预测跌
35        Flat = 0,     // 预测横盘
40        Up = 1        // 预测涨
​

Insight.Price(symbol, period, direction) 是最常见的构造快捷方式,生成"价格类型"的预测。Confidence 和 Magnitude 是可选的——只给方向也能跑,Portfolio 层的等权模型只用 Direction。

3.3 RsiAlphaModel:Wilder RSI 跨越 30/70

Algorithm.Framework/Alphas/RsiAlphaModel.cs 是最经典的入门实现。它用 Wilder 平滑(默认 14 周期)的 RSI,跌破 30 翻多(RSI 超卖反弹)、突破 70 翻空(超买回落)。核心 Update(RsiAlphaModel.cs:58-88):

58    public override IEnumerable<Insight> Update(QCAlgorithm algorithm, Slice data)
59    {
60        var insights = new List<Insight>();
61        foreach (var kvp in _symbolDataBySymbol)
62        {
63            var rsi = kvp.Value.RSI;
64            var previousState = kvp.Value.State;
65            var state = GetState(rsi, previousState);
68            if (state != previousState && rsi.IsReady)
69            {
70                var insightPeriod = _resolution.ToTimeSpan().Multiply(_period);
72                switch (state)
73                {
74                    case State.TrippedLow:    // 跌破 30,预测上涨
75                        insights.Add(Insight.Price(symbol, insightPeriod, InsightDirection.Up)); break;
78                    case State.TrippedHigh:   // 突破 70,预测下跌
79                        insights.Add(Insight.Price(symbol, insightPeriod, InsightDirection.Down)); break;
82                }
83            }
84            kvp.Value.State = state;
85        }
87        return insights;
88    }
​

状态机 GetState(RsiAlphaModel.cs:140-169)用 35/65 做回弹缓冲,防止 RSI 在 30 附近抖动反复触发——这是"信号去抖"的标准工程做法。

3.4 其他 Alpha 实现一览

EmaCrossAlphaModel.cs:67-95 的核心与 RSI 结构一致——遍历每个标的,检查"快慢线交叉事件"是否发生,发生就发 Insight。差异只在"用什么指标判断方向变化"。每个模型都有同名 .py 版本(Python.NET 互操作,逻辑一致)。

💡 钻取要点:所有 Alpha 模型都遵循同一模式——Update 内部维护每个 Symbol 的指标状态,只在"状态变化"(交叉/穿越/反转)时才发 Insight,避免每个 bar 都刷信号。OnSecuritiesChanged 负责在 Universe 进出新标的时用历史数据预热指标(algorithm.History(...).PushThrough(...)),让新标的一进入就有可用的指标值。

四、Selection 层:IUniverseSelectionModel

Selection 层独立于 Alpha→Portfolio→Risk→Execution 这条责任链,它回答的是"算法可交易的标的池里有哪些"。Algorithm/Selection/IUniverseSelectionModel.cs:26-39:

26    public interface IUniverseSelectionModel
27    {
31        DateTime GetNextRefreshTimeUtc();    // 下次刷新时点
38        IEnumerable<Universe> CreateUniverses(QCAlgorithm algorithm);   // 创建选股宇宙
39    }
​

引擎在 OnFrameworkData 开头(L108)检查 UtcTime >= GetNextRefreshTimeUtc(),到点了就调 CreateUniverses 重建选股池。刷新频率可以是每日、每周、每月,由具体实现决定。

4.1 Coarse 与 Fine 两级筛选

美股数千只股票,直接每只都跑基本面筛选太重。Lean 的标准做法是两级漏斗:

• CoarseFundamental(粗筛):只用价格 + 成交量 + 美元成交额等"轻量"指标,从全市场筛出前几百只(如前 1000)。CoarseFundamentalUniverseSelectionModel 提供基类。
• FineFundamental(细筛):对粗筛结果跑完整基本面(PE/ROE/营收/利润),再筛出最终池(如前 50)。

4.2 QC500UniverseSelectionModel:仿标普 500 月度调仓

QC500UniverseSelectionModel.cs:29-60 是经典示例——按月调仓、模拟标普 500 选股逻辑:

31    private const int _numberOfSymbolsCoarse = 1000;   // 粗筛保留 1000
32    private const int _numberOfSymbolsFine = 500;      // 细筛保留 500
35    private int _lastMonth = -1;                       // 月度调仓标记
​

策略:每月第一个交易日,从全市场按美元成交额排序取前 1000(Coarse),再按基本面取前 500(Fine)。这就是 Lean 复刻"S&P 500"选股的方法。

4.3 其他 Selection 实现

• FineFundamentalUniverseSelectionModel:只做基本面细筛的基类。
• ETFConstituentsUniverseSelectionModel:选 ETF 成分股(如 SPY 成分股)。
• FutureUniverseSelectionModel / OptionUniverseSelectionModel:期货/期权合约链选股。
• ScheduledUniverseSelectionModel:按时间规则触发选股(每周/每月/自定义)。
• EnergyETFUniverse / MetalsETFUniverse / TechnologyETFUniverse 等内置行业 ETF 池。

💡 钻取要点:Selection 在**"标的维度"上并行运行,与 Alpha 在"信号维度"**上正交。这意味着你可以:换 Selection(扩大/缩小选股池)不动 Alpha;或换 Alpha(换信号逻辑)不动 Selection。这种正交性是"策略工程化"的关键——研究员可独立研究每个维度,而第 6 章讲的 Universe 机制是它的底层支撑。

本节要点回顾

1. Framework 五层责任链:Slice→Alpha.Update→Insight[]→Portfolio.CreateTargets→IPortfolioTarget[]→Risk.ManageRisk→filtered→Execution.Execute→订单,管道-过滤器模式,每段单一职责。
2. 五接口默认 Null 实现:不装配走传统 OnData 范式,装配任意一层激活五层链。装配方法是 SetAlpha/SetUniverseSelection/SetPortfolioConstruction/SetExecution/SetRiskManagement。
3. Alpha 层 IAlphaModel.Update(QCAlgorithm,Slice)→IEnumerable<Insight>,极简一个方法;INotifiedSecurityChanges.OnSecuritiesChanged 负责标的进出时的指标预热与清理。
4. Insight 字段:Symbol/Type/Direction(Up/Down/Flat)/Period/Magnitude/Confidence/Weight/Score,描述"对某标的未来某周期的预测"。
5. Alpha 实现:RSI 跨越 30/70、EMA 12/26 金叉死叉、MACD、历史收益、配对交易;都用"状态变化"触发避免信号抖动;.cs + .py 双版本。
6. Selection 层 IUniverseSelectionModel(GetNextRefreshTimeUtc + CreateUniverses),在标的维度并行运行,与 Alpha 信号维度正交。
7. 两级筛选:Coarse 粗筛(价格/成交量,前 1000)→ Fine 细筛(PE/ROE 等基本面,前 500);QC500 模拟标普 500 月度调仓。

下一节钻取 Framework 第三层——Portfolio 组合构建与优化器(★),这是全书量化含量最高的一节:Black-Litterman、Markowitz 均值方差、最大夏普、风险平价四个组合优化器,以及独立成类的 IPortfolioOptimizer 数学求解。