这篇文章也是我的量化研究作业本。复现经典因子是很好的练习：把论文公式变成可计算的信号，理解全市场股票排名，再检验预测能力、跨期稳定性和扣费后的收益。即使没有找到可以直接使用的策略，这个过程仍然有学习价值。我希望通过亲手复现，弄清这些经典公式在日本市场能提供什么信息，以及它们的局限在哪里。

先看结论：经典量化策略是不是已经过时？

本次结果不支持把 Alpha101 直接照搬为当下日本股票的有效选股策略。100 个公式能算，50 个理论组合扣费后平均收益为正，但没有一个在同一口径下跑赢 TOPIX；正 Rank IC 在多重检验校正后显著的数量也是零。

这意味着，“经典、公开、曾被广泛引用”已经不足以成为使用一套公式的理由。对准备直接套用 Alpha101 的投资者，本次检验没有给出足够的支持：公式能够产生信号，信号却没有在这个验证期转化为可确认的扣费后选股优势。

但这些结果也不能证明经典量化策略已经整体过时。本次检验针对日本股票、特定时期、五日持有和每边25bps成本下的公开公式组合；无法仅凭这组结果区分市场差异、优势衰减与交易成本的影响。本文要回答的是：一套经典公式到了新的市场和时期，还能否通过重新检验，而不是凭名气沿用。

以 2026 年 1—7 月历史验证期、5 个交易日收益为主要观察口径：

问题数量
101 个公式中能完成计算的100 个
平均 Rank IC 为正的24 个
正 Rank IC 且单项显著，未校正 p<0.052 个
正 Rank IC 且经过 101 项多重检验校正后仍显著0 个
每边扣除 25bps 后，理论上分位组合平均收益为正50 个
同一成本口径下，净收益高于对应区间 TOPIX0 个

不能计算的一项是 #56，缺少可信的日频时点市值。

IC 衡量因子与随后收益的相关性；Rank IC 比较股票排序。正 Rank IC 表示高因子值股票倾向于获得更高收益。少量单项显著结果在同时检验101个公式后不再显著，不能据此宣布已经找到有效策略。

跨期看，2025 年下半年有 14 个公式通过包含覆盖、正 Rank IC 和显著性在内的主判据，2026 年 1—7 月没有通过者；60 个公式的平均 Rank IC 从正变负。稳定性比“某段时间看起来有效”更难。

50 个正收益，没有变成 50 个超额收益。市场上涨可以让组合赚钱，却不一定证明因子有选股能力。本次每边 25bps 后，没有公式的理论组合平均净收益高于其有效期次对应的 TOPIX 价格收益。

这里的扣费比较是历史理论组合结果，不能称实际账户盈利。均值仅包含端点完整的组合期次，不能据此断言所有公式在完整区间都跑输指数；验证期也不是未经使用的洁净样本外。

Alpha101 是什么

Alpha101 是论文《101 Formulaic Alphas》公开的一组 101 个量化因子公式。它们把价格、成交量、收益率、VWAP 和行业分类等信息，组合成用来排列股票的数值。有些很简单，有些则叠加相关性、滚动排名和行业中性化。

按原公式方向，因子值高的股票通常更值得看好。但因子不是完整策略：公式并没有同时回答持仓规模、成交成本和风险控制问题。“Alpha101”也不代表 101 个公式在任何市场都能创造超额收益。

为什么想在日本市场试一试

我们希望检验这些价格与成交量关系能否迁移到日本股票，而不是直接接受公开公式的有效性。日本市场提供了另一个股票池，可以观察哪些关系具有跨市场应用的潜力，哪些可能依赖特定市场环境。

这组公式主要依赖行情信息，适合作为日本股票因子研究的共同起点。既然有约两年的日本股票 tick 数据，就有条件比较整套公式，而不仅挑几个看起来容易赚钱的例子。目标是寻找持续帮助选股的关系，而不是市场上涨时恰好赚钱的组合。

两个真实全市场横截面例子

以下是专用于讲解的弱信号例子，不代表全部研究候选。均使用 2026-04-01 的真实 J-Quants 行情，展示公式、横截面排名和五组收益；不能用这两个例子的表现代替完整研究的结论。R 表示当天基础股票池的横截面百分位排名，最终组合使用满足研究条件的股票。

#30：三天涨跌方向与近期成交量占比

Alpha⁡30,t=[1−R(st)]∑i=04Vt−i∑i=019Vt−ist=sign⁡(Ct−Ct−1)+sign⁡(Ct−1−Ct−2)+sign⁡(Ct−2−Ct−3)\begin{aligned} \operatorname{Alpha}_{30,t} &= [1-R(s_t)]\frac{\sum_{i=0}^{4}V_{t-i}}{\sum_{i=0}^{19}V_{t-i}} \\ s_t &= \operatorname{sign}(C_t-C_{t-1}) \\ &\quad+\operatorname{sign}(C_{t-1}-C_{t-2}) \\ &\quad+\operatorname{sign}(C_{t-2}-C_{t-3}) \end{aligned}

其中 C₁、C₂、C₃ 为前1、2、3个交易日收盘价；sign 对上涨记+1、下跌记−1、持平记0。ΣV₅、ΣV₂₀ 为截至当日的5日和20日累计成交量。

以丰田（7203）作为一行计算示例，真实收盘价为：

日期收盘价（日元）
2026-03-273,408.00
2026-03-303,224.00
2026-03-313,162.00
2026-04-013,311.00

三次相邻收盘价变化的方向和为 -1。这个方向和在当天基础股票池中的排名为 0.2968834688。5日成交量和为 127,508,000股，20日和为 448,072,700股，因此：

Alpha⁡30=(1−0.2968834688)127508000448072700=0.2000857956\operatorname{Alpha}_{30} = (1-0.2968834688)\frac{127508000}{448072700} =0.2000857956

这行丰田只是说明公式怎么代入。分组和 IC 必须使用全部有效股票，结果如下。

当日 #30 的有效横截面有 1,829只股票。按因子值从低到高分为Q1—Q5，每组计算等权后续收益，进入日2026-04-02，退出日2026-04-08。

分组股票数5日平均毛收益
Q1365+2.4531%
Q2366+2.0900%
Q3366+3.3470%
Q4366+3.1333%
Q5366+2.2735%

当日横截面 Rank IC 为 +0.002440。Q5每边25bps后的理论净收益为 +1.7678%。这是单日截面的随后一期结果，不是整个验证期或实际账户业绩。

100%查看原图
Alpha #30 全市场排名、五组收益与扣费比较

图：每个点代表一只股票；五组柱形为完整有效股票池的等权收益。固定单日案例不代表长期表现。

讲解附件：#30 全部股票的排名、分组与收益、公式逐步计算字段。

#72：两类价量关系的排名比值

论文公式为：

Nt=R ⁣(decay_linear⁡ ⁣(correlation⁡ ⁣(H+L2,adv⁡40,8.93345),10.1519))Dt=R ⁣(decay_linear⁡ ⁣(correlation⁡ ⁣(ts_rank⁡(VWAP,3.72469),ts_rank⁡(V,18.5188),6.86671),2.95011))Alpha⁡72,t=NtDt\begin{aligned} N_t &= R\!\left(\operatorname{decay\_linear}\!\left( \operatorname{correlation}\!\left(\frac{H+L}{2},\operatorname{adv}_{40},8.93345\right),10.1519\right)\right) \\ D_t &= R\!\left(\operatorname{decay\_linear}\!\left( \operatorname{correlation}\!\left( \operatorname{ts\_rank}(\mathrm{VWAP},3.72469), \operatorname{ts\_rank}(V,18.5188),6.86671\right),2.95011\right)\right) \\ \operatorname{Alpha}_{72,t} &= \frac{N_t}{D_t} \end{aligned}

论文中的 adv40 指40日平均成交量；本研究实现采用40日平均日元成交金额，因此下面复现的是这一实现版本，不能视为与论文原式完全等价。ts_rank 是该股票滚动窗口内的排名；decay_linear 对较近观测赋较高线性权重。此处按研究中的统一约定将小数窗口向下取整，依次为8、10、3、18、6、2日。

以丰田这一行看，分子路线是“日内中间价与40日平均成交金额的8日相关性→10日线性加权→全股票横截面排名”；分母路线是“VWAP三日排名与成交量18日排名的6日相关性→2日线性加权→横截面排名”。真实计算值为：

运算步骤分子路线分母路线
滚动相关系数-0.6870717756-0.5672816854
线性加权后的值-0.2584221930-0.5687775857
当日基础股票池横截面排名0.36243311740.2097272983
Alpha⁡72=0.36243311740.2097272983=1.7281160841\operatorname{Alpha}_{72} =\frac{0.3624331174}{0.2097272983} =1.7281160841

上述数值均与保存的因子一致。完整滚动字段保留在讲解附件，股票排名及分组也使用完整横截面。

当日 #72 的有效横截面有 1,813只股票。按因子值从低到高分为Q1—Q5，每组计算等权后续收益，进入日2026-04-02，退出日2026-04-08。

分组股票数5日平均毛收益
Q1362+3.1422%
Q2363+2.3535%
Q3362+2.3422%
Q4363+2.4616%
Q5363+3.1579%

当日横截面 Rank IC 为 +0.012383。Q5每边25bps后的理论净收益为 +2.6500%。这是单日截面的随后一期结果，不是整个验证期或实际账户业绩。

100%查看原图
Alpha #72 全市场排名、五组收益与扣费比较

图：每个点代表一只股票；五组柱形为完整有效股票池的等权收益。固定单日案例不代表长期表现。

讲解附件：#72 全部股票的排名、分组与收益、公式逐步计算字段。

结论：经典公式不能免于重新检验

如果问题是“今天能否直接照搬 Alpha101 来获得日本股票的选股优势”，本次结果给出的回答是：证据不足，不应据此直接使用。在2026年1—7月的五日验证口径下，100项可计算公式中，50项理论组合的扣费后平均收益为正，但净超额TOPIX为正的数量为零；正且经101项多重检验校正后显著的Rank IC也为零。赚钱与选股有效，必须分别判断。

如果问题是“经典量化策略是否已经整体过时”，这项研究还不足以作出这个判断。Alpha101是一组公开因子，无法代表全部量化方法；本次也没有建立它们在同一日本市场、同一成本口径下过去有效而现在失效的完整证据。发现期有表现、随后验证期未通过，说明稳定性需要重新检验，不能单独证明失效的原因就是策略老化。

对研究和使用的明确判断是：Alpha101可以继续作为研究基线，但本次验证没有给它直接投入使用的依据。经典公式的价值，要靠当下的跨期预测证据和扣费后超额收益重新证明。文中的两个单日案例只解释公式如何产生全市场排名；某一天的正收益或正IC不能改变这一结论。

作为我的作业本，这次复现的收获不只在于有没有找到赚钱的因子。经典公式提供了具体、可对照的练习题，让我把公式实现、横截面比较、统计检验和成本判断串起来，也学会区分“算得出来”“有预测信息”和“能获得扣费后超额收益”。复现经典因子依然是很好的学习起点；练习的价值与策略能否直接使用，是两个需要分别回答的问题。

公式来源：101 Formulaic Alphas 原论文。