3. Alpha与信号基础
在量化投研中，Alpha并不是一个抽象口号，而是一条可以被定义、被估计、被检验、最终被交易执行的预测关系。它回答的核心问题是：在给定信息集下，某只资产未来收益中，有多少可以被系统性地预测并转化为超越基准的收益。理解Alpha，必须同时理解它的来源、信号的生命周期，以及如何把模糊的“看涨看跌”转化为机器学习可训练的标签。
一、Alpha的定义与超额收益来源
Alpha通常指投资组合收益中无法被市场基准解释的部分。用因子模型语言表达，若组合收益为 R_p，基准收益为 R_b，则超额收益可写为：
Excess_Return = R_p - R_b
Alpha = R_p - [R_f + β·(R_m - R_f)]
其中 R_f 为无风险利率，β 为市场暴露。真正的Alpha来自对市场无效性的捕捉，常见来源包括：
- 信息优势：更快、更全、更干净地获取财报、舆情、订单流等数据。
- 处理优势：用机器学习从高维、非线性、交互特征中提取传统线性模型忽略的结构。
- 行为偏差：利用投资者过度反应、反应不足、锚定效应等造成的定价偏离。
- 结构性约束：利用资金容量、交易限制、做空成本等造成的持续性错价。
二、信号生命周期：从原始数据到交易执行
一个Alpha信号从诞生到失效，通常经历六个阶段。理解生命周期，有助于避免把样本内偶然规律误认为可持续Alpha。
- 数据获取：确定数据源、频率、覆盖范围和时点对齐规则，严防未来函数。
- 特征构造：将原始数据转化为动量、反转、波动率、流动性、情绪等特征。
- 标签设计：定义预测目标，如未来N日收益率、超额收益或排序分位。
- 模型训练：选择模型、划分样本、调参并控制过拟合。
- 信号生成：输出每期每只资产的预测分数，并转化为多空或权重。
- 回测与衰减监控：评估IC、夏普、换手、回撤，并持续监控信号衰减。
信号衰减是常态。一个在2015年有效的量价因子，到2020年可能因参与者增多而失效。因此，Alpha研究不是一次性建模，而是持续迭代的生命周期管理。
三、预测目标设计与标签构造
机器学习模型不会自动理解“赚钱”，它只优化你给定的标签。标签构造直接决定模型学什么、学得多好。常见预测目标包括：
| 标签类型 | 定义方式 | 适用场景 | 主要风险 |
|---|---|---|---|
| 绝对未来收益 | 未来N日收益率 | 方向预测、回归模型 | 受市场Beta影响大 |
| 超额收益 | 个股收益减基准收益 | 市场中性策略 | 基准选择敏感 |
| 排序标签 | 横截面收益分位 | 选股、排序学习 | 忽略绝对收益幅度 |
| 三分类标签 | 涨/平/跌 | 分类模型、事件驱动 | 阈值设定主观 |
| 波动率调整收益 | 收益除以波动率 | 风险调整后预测 | 波动率估计误差 |
未来收益窗口的选择同样关键。窗口太短，噪声大、换手高、成本侵蚀严重；窗口太长，信号滞后、容量下降、风格漂移风险上升。实践中常用5日、10日、20日窗口，并结合持有期与调仓频率匹配。
# 标签构造示例：未来5日超额收益
future_ret = close.shift(-5) / close - 1
bench_ret = bench_close.shift(-5) / bench_close - 1
label = future_ret - bench_ret
# 横截面排序标签
label_rank = label.groupby(level='date').rank(pct=True)
四、案例、误区与复盘
假设我们研究A股中证500成分股的20日反转Alpha。数据为日频量价，特征包括过去20日收益、换手率、波动率。若直接使用未来20日绝对收益作为标签，模型可能学到市场整体涨跌，而非个股相对强弱。更合理的做法是使用未来20日相对中证500的超额收益，或横截面排序标签。
常见误区包括：
- 未来函数：使用财报公布前数据、收盘后信息预测当日收益。
- 标签泄漏：特征中混入未来信息，如用未来波动率标准化当前收益。
- 窗口错配：预测5日收益却按日调仓，导致换手和成本失控。
- 忽略交易成本：样本内IC很高，但扣费后收益为负。
- 过拟合标签：反复调整窗口和阈值，直到样本内曲线完美。
下面这张图展示了Alpha信号从原始数据到标签、模型、信号、交易执行，再到衰减监控的完整生命周期，以及各阶段的关键风险点。
总结来看，Alpha与信号基础的核心在于：明确超额收益来源，理解信号生命周期，设计合理的预测目标与标签，并在回测与实盘中持续监控衰减。只有把“预测什么、怎么预测、如何交易、何时失效”四个问题串起来，机器学习才能真正服务于Alpha研究，而不是停留在样本内的漂亮曲线。