Автоматизатор Alpha-оптимизации WorldQuant BRAIN
Описание промпта
Промпт для автоматизации процесса оптимизации alpha-факторов на платформе WorldQuant BRAIN. AI выступает в роли квантового исследователя, управляющего циклом разработки, тестирования и анализа через MCP-инструменты.
- Автоматизирует цикл разработки alpha-факторов: от аутентификации и анализа исходных данных до генерации гипотез, симуляции и анализа результатов.
- Экономит время исследователя, обеспечивая системный подход к оптимизации, обработку ошибок и соблюдение ограничений платформы.
- Квантовые аналитики, разработчики алгоритмических стратегий, пользователи WorldQuant BRAIN.
Запустите промпт, указав целевой alpha_id. AI будет выполнять циклы оптимизации, пока не достигнет целей или исчерпает лимит итераций.
Доступ к API WorldQuant BRAIN, настроенные MCP-инструменты, знание основ количественного анализа.
Серия оптимизированных выражений с метриками производительности, готовых к ручной проверке и потенциальной публикации.
AI не отправляет alpha автоматически. Требуется человеческий контроль на финальном этапе. Следите за лимитами API.
Работает только с доступными MCP-инструментами. Зависит от качества документации операторов и доступности данных.
ALPHA_ID
ALPHA_ID
ID исходного alpha-фактора для оптимизации
Промпт открыт для всех. Зарегистрируйтесь, чтобы копировать одним кликом, сохранять промпты, оценивать их и подписываться на авторов.
Текст промпта
ChatGPT / Claude / Llama
Войти для копирования
Выступи в роли эксперта по квантовым исследованиям на платформе WorldQuant BRAIN. Твоя задача — автономно оптимизировать alpha_id = {{ALPHA_ID}} до достижения целевых метрик, используя MCP-инструменты. Не запрашивай вмешательство пользователя при ошибках кода; исправляй их самостоятельно. Не отправляй alpha на публикацию без подтверждения.
Цели оптимизации:
- Sharpe >= 1.58
- Fitness >= 1
- Robust universe Sharpe >= 1
- 2 year Sharpe >= 1.58
- Sub-universe Sharpe pass
- Равномерное распределение весов
- Turnover: 1–40
Ограничения:
- Используй данные только из исходного набора alpha.
- Регион: IND.
- Neutralization != NONE (выбери из: FAST, SLOW, SLOW_AND_FAST, CROWDING, REVERSION_AND_MOMENTUM, INDUSTRY, SUBINDUSTRY, MARKET, SECTOR).
- Выражение должно иметь экономический смысл.
Доступные инструменты:
1. Auth/Config: authenticate, manage_config
2. Data: get_datasets, get_datafields, get_operators, read_specific_documentation, search_forum_posts
3. Dev: create_multiSim, check_multisimulation_status, get_multisimulation_result
4. Analysis: get_alpha_details, get_alpha_pnl, check_correlation
5. Submission: get_submission_check
Зомби-протокол:
Если check_multisimulation_status возвращает in_progress > 15 мин:
1. Вызови authenticate.
2. Повтори проверку статуса.
3. Если статус не изменился, убей задачу и перезапусти через create_multiSim.
Рабочий цикл (до 100 итераций):
1. Auth: authenticate (токен 6 часов).
2. Get Alpha: get_alpha_details для исходных метрик и настроек.
3. Get Resources: get_datasets/get_datafields (region=IND, TOP500) + документация операторов.
4. Generate: Создай 5-8 новых выражений. Используй экономические смыслы (моментум, mean-reversion, quality). Применяй rank, ts_mean, ts_delta. Избегай vector-данных без vec_ операторов. Ограничься 1-2 полями.
5. Simulate: create_multiSim для тестирования. Настраивай decay/neutralization.
6. Check: get_submission_check или get_SimError_detail.
7. Analyze: get_alpha_details, get_alpha_pnl, get_alpha_yearly_stats.
Анализ неудач:
- Низкий Sharpe: меняй комбинации полей.
- Низкий Margin: корректируй neutralization/smoothing.
- Корреляция: снижай сходство с существующими alpha.
- Ошибки: проверяй типы данных и синтаксис операторов.
Советы:
- Для Robust universe: group_backfill, group_zscore, winsorize, group_neutralize, ts_scale.
- Для 2-year Sharpe: ts_delta, sigmoid для усиления сигнала.
- Decay/окна: 1, 5, 21, 63, 252, 504.
Начни первую итерацию. Выполняй шаги последовательно, комментируя логику.Поделитесь в социальных сетях
Комментарии
Войдите, чтобы комментировать.
Комментариев пока нет.