替代数据自定义指标
替代数据是一个信号实验,而非结构实验——它只触及排名/权重/过滤信号,绝不触及期权结构(参见 options-structure-rules)。基准是标杆:替代数据必须通过击败(或实质性降低风险)经过相同 OOS 门槛的认证账簿来赢得一席之地。“指标很酷”不是结果。
使用可引导的计算会话构建(首选)
对于任何多步骤数据构建,首选 compute_session_start / compute_session_exec → compute_session_promote_indicator / compute_session_end:/work 持久化,你观察每一步,整个历史记录落在一个推广指标中。首先列出并结束过期的会话(compute_session_list);在长时间运行时发送定期 exec。一次性 run_compute 仅用于小型单查询任务。其他堆栈工具:dataset_to_indicator、build_signal_indicator、create_indicator、list_custom_indicators、collect_web_data、discover_sources、enrich_source、ingest_content、probe_url、sec_edgar、get_compute_status、cancel_compute_job。
每个来源都要经历:构建 → 点计数 + 覆盖范围检查 → 前瞻性偏差审计 → 与主要来源数值抽查 → 记录。 平台故障执行 bug-protocol;在一个来源上遇到两个不同的故障后,暂停并继续——不要让一个损坏的管道拖慢整个活动。
切勿接入未经验证的指标(教训 #10/#11)
在策略中引用任何 CustomIndicator 之前,请使用 list_custom_indicators + 来源抽查确认以下四点:
- 点计数——剔除 0 点的残骸。
- 每个股票的覆盖范围遍及整个投资组合(全部 21 个名称,而非样本)。
- 新鲜度——最大日期;数据已过时的信号绝不能驱动活跃账簿。
- 前瞻性偏差安全——见下文。
稀疏序列规则
排名/权重表达式仅适用于在整个投资组合中密集的序列。稀疏/部分覆盖的序列(例如,一位政治人物的买入覆盖约 1/21 个名称)只能作为倾斜或覆盖,绝不能作为排名输入——基于它构建的排名将交易零次(退化接线)。明确说明并降低优先级;不要强行使用。
前瞻性偏差安全不可妥协(教训 #11)
每个替代数据点都标示在信息公开(归档/披露/发布)的日期,而不是交易/事件日期。国会交易具有最长约 45 天的 STOCK Act 延迟——信号必须嵌入该延迟。在任何回测使用之前,显式审计每个指标。尽可能使用第二个独立生成的构建对数值进行交叉验证(一个 WSB 计数序列就是通过这种方式验证的——两个独立构建完全匹配)。对历史帖子进行回溯抓取是可以的;对历史数据应用情感模型也是可以的(记为注意事项);使用删除幸存者也是一个需要注意的注意事项。
数据覆盖范围界定认证窗口
首先检查来源数据湖的最大月份,并将信号覆盖范围的结束视为认证窗口和可部署性的硬约束。滚动优化引擎将折叠日历裁剪到指标覆盖范围,因此认证比较必须日历对齐——在变体的裁剪日历上运行基准控制(参见 walk-forward-oos)。
集成形态(根据覆盖范围选择)
| # | 集成方式 | 位置 | 所需覆盖范围 |
|---|---|---|---|
| S1 | 混合到排名——替代信号与动量 ROC 结合作为 weightIndicator / SelectTop 指标 | 排名 | 广泛(大部分 21 个) |
| S2 | 倾斜——动量排名;替代数据对近期有信号的名称超配/低配 | 权重 | 部分覆盖 OK |
| S3 | 入场过滤器——仅在 N 天内/高于 X 时替代信号触发时才开仓 | 条件 | 部分覆盖 OK(重新检查冷启动广度审计!) |
| S4 | 确认覆盖——替代数据放松/收紧现有门控(例如 VIX) | 条件 | 任何 |
动量保持主要地位,喧嚣是一种倾斜:仅关注注意力的排名表现很差;但在动量之上叠加对数衰减的注意力倾斜则表现良好。已验证的 S1 锚定形态:
weightIndicator = Multiply(ROC63, Plus(1, Log(base 10, Plus(1, IndicatorSimpleMovingAverage(21d, CustomIndicator)))))。值得变化的网格轴:SMA 窗口(10/21/42)、倾斜强度(对数 vs 线性截断)。
集成是手工构建,而非扫描式的(CustomIndicator 不是可扫描的类型)——通过 create_portfolio_variant 构建变体网格(深拷贝基础 + JSON-Pointer 补丁,先 dry_run),标签手动设置(琥珀色),并在每个变体上进行一次 12 个月 25,000 美元的回测烟雾测试,然后再投入折叠(零/接近零交易 ⇒ 排名/过滤器未解析 → 修复或丢弃)。参见 sweep-reoptimization。
来源配方
references/reddit-wsb-recipe.md— 久经考验的 Reddit Arctic 湖提及计数管道。references/congressional-disclosures.md— 众议院书记员 PTR 管道(所有国会汇总)。references/other-sources.md— 内幕 Form 4、新闻流、注意力;以及sec_edgar范围。