6) operators
-
Arithmetic operator
enable arithmetic operations including basic math operations and rounding. -
logical
logical opeator와 condition operator를 결합해서 조건문 작성 가능
다만 조건을 너무 엄격하게 설정하면
실제로 신호가 발생하는 데이터 수가 줄어들고
과최적화(overfitting) 위험이 커질 수 있습니다. 예시로 제시된 조건 유형은 다음과 같습니다:
- 거래량이 평소보다 높을 때만 포지션 변경
- 극단적 상황에서는 포지션 청산
- 변동성이 높은 구간에서는 포지션 변경 제한
방식은 두가지 가 있음
- a) if else(condition, if_true, if_false)
if_true / if_false에는 단순 값도 가능하고, 완전한 알파 표현식도 가능합니다.
- b) condition? if_true:if_false
- c) trade_when(entry_condition, Alpha, exit_condition)-> 포지션 유지 기능이 있기 때문에 turnover를 줄일 수 있음 / 강제청산 기능도 있음 exit
entry = True → 그날 Alpha 값으로 새로 계산해 저장
entry = False & exit = False → 이전 값 유지
exit = True → NaN (청산)
If the exit condition is –1, no position liquidation occurs.exit = True → “이 종목은 오늘부터 없다”
exit = -1 → “한번 잡으면 계속 간다” -
time series
Time series operators perform operations related to past d-day values for specific stocks. 주의를 해야할 점은 최종 포트폴리오 구성은 항상 cross sectional operator를 기준으로 구성됨. 롱숏 중립 포트폴리오이기 때문에
항상 그날의 상대적 우열이 중요하고,
그래서 최종 단계는 cross-sectional입니다.
만약 순수 time-series 전략(예: 한 종목만 매수/매도)이라면 이 구조가 필요 없겠지만,
BRAIN은 기본적으로 시장 중립 롱숏 구조라서 이렇게 작동합니다.
- ts_mean(x,d) calculates the average of x over d days.예를 들어 d=5이면, 오늘 값을 포함해 최근 5일 평균을 구하는 구조입니다.
- ts_rank(x, d)
- 기존 rankd에 ts가 추가된 형태
- ts_zscore(x, d)
- Shows how far today's x is from the d-day average in standard deviation units (Z-score)
- ts_regression(y,x,lookback_days,rettype=0) -
cross sectional operator
Cross-sectional operators compare or process values across target stocks at a specific point in time. For example, rank(x) orders x values at a specific time and distributes them from 0 to 1 (time series와 반대인 횡단면 분석)
- rank(x)
Returns a uniformly distributed value between 0.0 and 1.0 based on ranking among all stocks
- zscore(x)
Shows how far an instrument's x value is from the mean in standard deviation units (Z-score)
- winsorize(x, std=4)
winsorize(x, std=4): Limits extreme values so all x values fall between upper and lower bounds set by standard deviation multiples -
vector operator
When searching for data fields, you might find vector-type data fields. Instead of having a single value per stock per day, these store multiple values (in vector format). To convert these into Alpha positions, you need to transform them into a single representative value like mean or median. These operators serve this purpose.
예시 1) 어떤 종목 A의 오늘 애널리스트 목표가 변화율이 [+3%, +1%, -2%, +4%]처럼 4개라면 벡터입니다. vec_mean(x) → (3+1-2+4)/4 = 1.5%로 단일 값 생성 → rank(vec_mean(x))로 알파 구성. -
transformational operator
변환(Transformational) 연산자는 행렬(종목 × 날짜 구조) 내부의 값을 특정 연산을 통해 변환하는 역할을 합니다. -
group operators
BRAIN에는 industry라는 group-type 데이터 필드가 존재합니다. 이 필드는 각 종목이 어떤 산업에 속하는지를 나타내는 그룹 라벨입니다.즉, industry는 계산 대상이 아니라 계산의 기준이 되는 그룹 변수입니다. group operator와 함께 쓰임Group operators include operations like calculating representative values (mean/sum/median) within groups or performing neutralization within groups
