Alpha158 研究流程
AxonX 提供研究任务的运行、记录、产物和 Studio 展示。本文使用仓库中适配 Microsoft Qlib Alpha158 基线的 plugins/qlib_a158/ 作为具体算法实现,建立从 Tushare 数据到回测结果的闭环。增强版 qlib_factor 使用独立的 qlib_factor_* 注册名,并增加训练特征组参数。两者共享研究阶段与基础产物形式,但跨插件复用上游前仍需检查 Task 定义、特征顺序和协议;具体用法见Qlib Factor。
开始前确认
- 已完成快速开始,服务 token 与连接可用。
- 执行任务的服务环境已安装 qlib_a158 插件;本地 CLI 安装不会自动改变远程机器环境。
- 工作区已有覆盖训练和预测区间的 Tushare 历史数据,以及必要的主数据。
- 研究任务使用源工作区中的完整上游产物。
从 AxonX 源码仓库根目录执行(插件尚未发布到 PyPI):
axonx plugin install ./plugins/qlib_a158本机 Agent 修改插件时使用 axonx plugin install -e ./plugins/qlib_a158。远程部署需要本地构建、上传、目标机安装与清理;仅追加 --target 不会传输源码,详见插件管理。
安装或 editable 源码变更后需重启常驻服务,以刷新 Task 注册快照和已缓存的定义。运行 axonx list_task_defs 查询任务目录。预期找到 qlib_a158_etl、qlib_a158_analysis、qlib_a158_train、qlib_a158_predict、qlib_a158_backtest 以及父任务 qlib_a158_research。
研究链中每一步产生什么
| 阶段 | 注册名 | 输入来源 | 主要结果 |
|---|---|---|---|
| 下载 | download_tushare_task | Tushare 接口 | 工作区 tushare/ 原始分区 |
| ETL | qlib_a158_etl | 原始分区与主数据 | alpha158.parquet、统计 CSV |
| 因子分析 | qlib_a158_analysis | 一个 ETL Task | 因子诊断与分层收益 CSV |
| 训练 | qlib_a158_train | 一个 ETL Task | LightGBM 模型、重要性、验证历史 |
| 预测 | qlib_a158_predict | 一个 Train Task | 全截面预测 Parquet |
| 回测 | qlib_a158_backtest | 一个 Predict Task | 日频与汇总 Parquet |
因子分析是 ETL 的独立下游,训练不依赖因子分析成功。预测优先使用显式声明的 ETL 上游,否则从训练 metadata 解析;它固定经核验的模型集合和所选数据集快照。为便于复现,仍需保留源记录与产物。
执行并核验一个阶段
需要可预测 Task ID 时显式指定实例名:
axonx exec --task qlib_a158_etl --task-name experiment --start-date 20150101
axonx status --task-id 'etl#qlib_a158_etl#experiment' --detail fullExec 等待完成、输出业务结果并返回 Task 退出码。从 metadata 记录 Task ID、started_at 和输入/产物修订,确认成功后再向下游传递 ID。另一个终端观察可用 Task ID 调用 wait_task,等待时重跑会报错。远程命令连接中断后先检查 metadata,再决定是否重试。
从 ETL 到样本外预测
# ETL 成功后,可独立做因子分析
axonx exec --task qlib_a158_analysis --upstream-task-ids '["<ETL Task ID>"]'
# 训练结束日期不包含在训练区间内
axonx exec --task qlib_a158_train --upstream-task-ids '["<ETL Task ID>"]' \
--train-start 20150101 --train-end 20230101 \
--label-column label_return_rank
# 训练成功后,预测开始日期必须不早于 train_end
axonx exec --task qlib_a158_predict --upstream-task-ids '["<Train Task ID>"]' \
--pred-start 20230101 --pred-end 20231231
# 预测成功后,生成回测产物
axonx exec --task qlib_a158_portfolio --upstream-task-ids '["<Predict Task ID>"]'
axonx exec --task qlib_a158_backtest --upstream-task-ids '["<portfolio_task_id>"]' --buy-cost-rate 0.0005 --sell-cost-rate 0.0015每条 exec 都等待完成,执行下一阶段前检查退出码与 metadata。upstream_task_ids 在 CLI 和 Python 入参中统一使用 JSON 数组;qlib_a158 各阶段要求相应类型的单个上游,不能任意添加同类型任务。
训练按交易日顺序保留末尾日期作验证,默认验证比例为 10%。先用验证集和早停选择轮数,再用训练窗口的全部有效样本拟合最终模型。保存的训练曲线来自调参阶段,不能将它当成最终模型在独立测试集上的表现。
数据范围与标签边界
ETL 默认输出从 20140101 开始的可用数据,滚动特征会读取更早的历史。下载最近 7 个自然日不能满足多年训练,更不足以生成完整滚动窗口。
qlib_a158 独立发布特征、原始标签、行情和日历产物。标签固定为次一市场日同一时刻的收益,停牌或缺行情使标签无效,不延长期限。训练排除目标日期达到或超过截止日的标签,在样本筛选后计算 Rank/CSZ 目标。预测保留全截面,不关联未来标签。回测按信号日资格选择候选,逐市场日估值真实持仓;无法卖出时继续占用资金。
默认训练目标 label_return_rank 是截面排名标签,预测 pred 是模型评分,不能直接解释为收益率或上涨概率。
在 Studio 查看结果
各阶段的 Studio 0.3.0 完整截图见结果解读:数据处理、因子分析、模型训练与离线预测分别展示日期、指标与产物。截图使用 Playground 合成数据说明界面,不是执行本文命令得到的结果。
依次进入数据处理、因子分析、模型训练、离线预测和离线回测页面,选中对应任务。研究列表读取成功任务的 metadata.json,运行中任务应去任务页面查看状态和日志。
阅读顺序建议是:先检查数据处理结果的日期、行数和特征列,再检查训练验证信息,随后检查预测覆盖,最后解读回测协议、成本与收益。不同策略的比较见策略比较。
从运行研究链到设计实验
一次完整执行提供参数与产物;评估改进还需要控制变量、消融、筛选与独立确认。按实验设计与确认制定比较方案,再用策略比较检查共同窗口。Agent 开发增强特征的具体过程与复现入口见 Qlib Factor。
执行研究 Task
先安装插件并准备历史数据,再通过嵌套参数配置各阶段:
axonx get_task_def --task qlib_a158_research
axonx exec --task qlib_a158_research --task-name pipeline-01 \
--etl.start-date 20150101 --train.train-end 20230101 \
--predict.pred-end 20231231 --portfolio.top-ns '[20,30]'父 Task 管理子实例名和 upstream_task_ids,依次运行 ETL → Train → Predict → Portfolio → Backtest,返回 stage_task_ids。添加 --analysis '{}' 会在 ETL 后执行因子分析,默认不启用。predict.pred_start 默认采用 train.train_end。嵌套阶段名、依赖以及显式回测输入文件覆盖会被拒绝;复用已有上游时使用叶子 Task。子任务与父任务共享进程,并继承父实例名,详见组合 Task。
常见失败与处理
| 现象 | 优先检查 |
|---|---|
| 注册名不存在 | 执行服务的插件环境与重启状态 |
| 缺少 daily、adj_factor 或主数据 | tushare/ 分区和静态文件 |
| 训练区间没有有效标签 | ETL 日期、交易状态、退出标签与训练边界 |
| 预测开始早于训练结束 | pred_start 与 metadata 的 train_end_exclusive |
| 模型校验失败 | 训练目录内 model 文件是否被替换 |
| 回测缺少字段 | 是否为匹配 qlib_a158 协议的预测产物 |
血缘图记录显式上游关系,不自动调度、补齐或重跑研究链。使用固定 task_name 重跑会替换已结束任务的目录记录;需要比较实验时使用不同名称并保留产物。