企业官网建设流程全解析

qlib158 vs alpha101：新手先跑哪套因子库？3 分钟横评给你答案

【免费下载链接】Vibe-Trading"Vibe-Trading: Your Personal Trading Agent"项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading

刚上手量化选股，qlib158 和 alpha101 两套经典因子库摆在面前，不知道该先跑哪个？它们在 Vibe-Trading 的 Alpha Zoo 里共用同一套评测管线，这条横评能把你自己搭 IC 评测省掉的那部分时间还给你。

10 秒定位：两张身份档案卡

一句话概括：qlib158 是地基，alpha101 是精装修。

代码量对比：小白能不能一眼读懂

翻开 roc20.py，全部实现是一行safe_div(c, c.shift(20)) - 1.0，也就是 20 日收益率，公式和逻辑零翻译成本。再看 alpha_001.py，公式是rank(ts_argmax(SignedPower((returns<0)?stddev(returns,20):close, 2.), 5)) - 0.5：条件三元、20 日波动、带符号幂、5 日窗口 argmax、截面 rank 层层套着，想确认它到底在算什么，得一段一段拆。结论直接：如果你的目标是搞懂每个因子在干什么，qlib158 的学习曲线平缓得多；alpha101 更考验耐心。

产出形态：喂模型的特征 vs 直接下场的信号

qlib158 的 roc20 输出的是原始收益率数值，本身不是买卖依据——它的定位是喂给 LightGBM 或神经网络做特征矩阵，alpha158 的设计目标本来就是机器学习特征工程。alpha101 的 alpha_001 输出则可直接横截面排名：做多排名前 10%、做空后 10%，因子值就是信号，中间不需要任何模型。所以你的下游是模型还是裸策略，直接决定选哪套。

适用市场：A 股玩家先查这张元数据

qlib158 每个因子__alpha_meta__里的universe是equity_us / equity_cn / equity_hk / equity_in / equity_kr，五个市场全带；alpha101 全系只有equity_us / equity_in / equity_kr。做 A 股或港股研究时 alpha101 在目录层面就缺席，不是"表现差"，是没有资格参赛；做美股两个都在场，才轮得到用数据说话。想查某个因子的元数据，vibe-trading alpha show <id>一条命令就够。

数据依赖与计算成本：同吃 OHLCV，身价差在嵌套

两个库的columns_required都只到 OHLCV，拉数据的成本没有差别，差在公式嵌套深度。qlib158 是单层滚动统计，alpha101 多层算子叠加，bench 按因子并行计算时单因子耗时更长，整库跑完的时间差肉眼可见。另外看预热期：roc20 的min_warmup_bars是 20，alpha_001 是 25——窗口越深的因子，评估区间头部损耗越多，选评估区间时把这段留给预热。

一条命令跑通 IC 横评，状态三色判读

vibe-trading alpha bench --zoo qlib158 --universe csi300 --period 2018-2025 --top 20 vibe-trading alpha bench --zoo alpha101 --universe csi300 --period 2018-2025 --top 20

输出里每个因子带三个数：ic_mean、IR、ic_positive_ratio，按 IR 排 Top 20，核心判读逻辑在 bench_runner.py。判读规则是三档：🟢 alive 要求 ic_mean > 0.02 且 IC 为正比例 ≥ 55% 且 |t| > 2；🔴 reversed 是 ic_mean < -0.02 且 |t| > 2——方向跑反了，取反仍可用；⚪ dead 是其余。看到某因子在 CSI300 上 alive，别急着当结论，换--universe sp500重跑一遍再下判断，跨股票池的存活率不能假设。加--strict会追加同股票池随机对照和训练/测试样本外切分，专门筛掉只跟市场 beta 走的伪因子，判断耐用性时这一步别省。进阶用vibe-trading alpha compare <id1> <id2> ... --sort ir点名几个因子同台对决，只评估点名的，并标出与榜首的差距，实现见 compare_runner.py。

对号入座：三条决策分支

• 如果你是刚入坑、想先把每个因子读懂再动手 → 选 qlib158，因为公式全透明，卡住的概率小；
• 如果你要搭 LightGBM / 神经网络的选股模型 → 选 qlib158，因为它本就是为特征工程设计的，多窗口量价统计直接进特征矩阵；
• 如果你要做横截面多空组合、不打算上模型 → 选 alpha101，因为它的因子值天生可排名，跳过建模一步；
• 如果你要研究超额收益来源 → 两个库都跑 bench，再用alpha compare点名对决，alpha101 偏微观结构与短期反转、qlib158 偏多窗口量价，主题互补。

单库的"耐用"从来不是绝对——把 bench 跑一遍，答案在 alive 那几行里 📊

【免费下载链接】Vibe-Trading"Vibe-Trading: Your Personal Trading Agent"项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading