什么是中性化？🎯
中性化 (Neutralization) 是一种非常重要的技术，它能帮助你去除或最小化 Alpha 策略中不想要的因素的影响。
- 目的： 通过中性化，你可以让你的 Alpha 信号变得“更纯粹”，从而只关注你想要捕捉的特定市场异象。
- 效果： 通常，中性化会牺牲一些总回报，但会显著提高夏普比率，因为你移除了不必要的风险。
在 BRAIN 平台上，你可以通过 group_neutralize 操作符来实现中性化。
分组中性化 🤝
分组中性化的作用是在特定的分组内进行标准化处理。最常见的例子就是在行业内部进行中性化。
- 原理： 平台将所有股票按照所属行业进行分组。然后，在每个行业内部，它会分别进行中性化操作。
- 好处： 这样，你的策略就不会受到某个行业整体涨跌的影响。例如，如果石油行业整体大涨，你的策略会在这个行业内做多表现相对较弱的股票，同时做空表现最强的股票。
除了在设置中直接选择行业中性化外，你还可以使用 group_neutralize 操作符来实现更灵活的分组中性化。
分组数据字段 🗂️
group_neutralize(x, group) 操作符的第二个输入参数 group，就是用来定义分组的数据字段。这些数据字段会根据特定的标准对每只股票进行分类。
你可以使用平台预设的各种分组数据字段，比如：
sector(板块)industry(行业)subindustry(子行业)exchange(交易所)
你可以在股票价格/成交量数据和关系数据中找到很多有用的分组数据字段。
自定义分组：bucket() 操作符 🛒
如果平台现有的分组不符合你的需求，你可以用 bucket() 操作符来创建自己的分组。
bucket(X, range="{start},{end},{step}")
- 用法： 它可以将一个连续的数值变量（比如
rank(cap)）分成多个离散的组。 - 例子：
bucket(rank(cap), range="0,1,0.1")- 这个表达式会根据市值排名将所有股票分成 10 个组。
- 第一组：排名在 0 到 0.1 之间的股票（市值最小的 10%）
- 第二组：排名在 0.1 到 0.2 之间的股票
- ……
- 第十组：排名在 0.9 到 1.0 之间的股票（市值最大的 10%）
处理稀疏数据：densify() 操作符 🛠️
在使用分组数据字段时，如果分组的值分布非常稀疏，可能会导致计算效率低下，甚至模拟失败。在这种情况下，你可以使用 densify(x) 操作符来解决这个问题。
densify(x) 的作用是压缩这些稀疏的值，使其更紧密地分布，从而提高计算效率。你可以在操作符探索器 (Operator Explorer) 中找到更详细的说明。