发布于VeighNa社区公众号【vnpy-community】
原文作者：用Python的交易员 | 发布时间：2026-03-30
在之前的文章中，我们已经介绍过 VeighNa 4.0 起新增的 vnpy.alpha 模块。它面向多因子研究与机器学习建模，把特征工程、模型训练、信号生成、策略回测串成了一条完整的投研链路。
对于已经会使用 Python、也做过一些截面因子或机器学习实验的读者来说，真正关心的问题往往是：
- 行情数据和指数成分，应该如何组织起来？
- 因子、标签、模型、回测，各自负责哪一段？
- 官方有没有一套可以直接照着跑、再逐步替换的研究范例？
因此，我们准备写一个 vnpy.alpha 入门系列，按投研流程把整个模块串起来：从行情与指数成分入库，到因子与标签表构建，再到模型训练、信号生成和组合回测，逐步带大家走完整条研究链路。
这是系列的第一篇，主要回答三个问题：
vnpy.alpha整体是做什么的- 它由哪些部分组成，各自承担什么职责
- 在运行官方示例之前，需要准备哪些基础环境和数据
整体定位
如果只用一句话来概括，那么：
vnpy.alpha = 本地数据 + 因子表 + 模型 + 信号 + 回测。
它解决的是投研端的问题，而不是盘中交易端的问题。也就是说，vnpy.alpha 的重点不在交易接入、实盘委托和界面交互，而在于如何围绕一批股票构建因子、训练模型、输出预测信号，并用历史数据验证策略表现。
从研究流程看，可以先记住这样一条主线：
行情与成分数据 -> 因子与标签 -> 模型训练 -> 预测得分 -> 策略回测
这条链路也是整个 vnpy.alpha 核心的使用方式。后续无论是替换因子、切换模型，还是调整调仓规则，基本都围绕这条主线展开。
为了更直观地理解这条链路，可以先看下面两张图。
整体研究链路
这张图可以帮助读者先建立一个整体印象：vnpy.alpha 不是单独的模型模块，也不是单独的回测模块，而是一条从数据准备到策略验证的完整投研链路。
模块关系图
如果只看模块之间的职责，可以把它理解为：
AlphaLab负责统一管理研究输入和输出dataset负责把原始数据整理成可训练的因子表model负责把因子表变成预测得分strategy负责把预测得分变成组合，并交给回测引擎验证
四个组成部分
从功能划分上看，vnpy.alpha 大致可以分成四部分。
1. lab：研究工作区
AlphaLab 可以理解为一个统一的投研工作目录。它负责把研究过程中会反复用到的各类文件组织在固定位置，例如：
- 行情数据
- 指数成分数据
- 因子表或数据集快照
- 训练好的模型
- 预测信号
- 回测需要的合约配置
这样做的好处是，研究过程中的文件不会散落在各个脚本里，换电脑、换环境或隔一段时间重新复盘时，也更容易定位和复现结果。
可以先将它理解为：AlphaLab 管“数据和结果放在哪里”。
2. dataset：因子与标签数据集
dataset 层的核心类型是 AlphaDataset。它的任务是把多标的行情整理成统一面板，并在这个基础上完成：
- 因子构建
- 标签定义
- 训练 / 验证 / 测试区间划分
- 数据预处理
这里的“预处理”包括很多多因子研究中常见的步骤，例如：
- 缺失值处理
- 截面标准化
- 去极值
- 排名归一化
如果对传统的因子研究流程比较熟悉，可以把 AlphaDataset 看成是因子工程 + 样本工程的承载层。
内置的 Alpha 158、Alpha 101 等因子集，也都属于这一层的能力范围。它们的意义并不是替代自定义因子，而是帮助研究流程先快速建立一条可运行、可对照的基线。
3. model：预测模型
model 层对应的是 AlphaModel。它的职责比较直接：在训练区间上拟合模型，然后在指定区间上输出每个交易日、每只股票的预测值。
当前示例里常见的模型包括：
- Lasso
- LightGBM
- MLP
这些模型并没有改变研究主流程，只是分别代表了不同的建模思路：
- Lasso 更容易解释，适合作为线性基线
- LightGBM 是表格数据场景下常见的强基线模型
- MLP 则代表更高容量的非线性方法
这一层也可以理解为：同一张因子表，换不同模型去做横截面预测。
4. strategy：信号转组合，并完成回测
当模型输出预测得分后，接下来要解决的问题就是：如何把得分变成组合持仓。
这部分由 strategy 层负责。其中：
AlphaStrategy负责定义调仓逻辑BacktestingEngine负责推进历史行情、撮合交易、计算盈亏和输出回测结果
例如，官方示例中的 EquityDemoStrategy，就展示了一类比较典型的做法：按预测得分排序，选出 Top-K 标的持有，并按设定节奏进行调仓。
因此，strategy 层回答的是另一个关键问题：
模型“看多谁”是一回事，最终“怎么买、持有多久、什么时候换仓”又是另一回事。
动手前要准备什么
在正式运行官方示例前，建议先对几个基础概念有一个初步印象。
基本环境
从系列定位来看，建议使用以下环境：
- VeighNa Studio 最新版本（当前为4.3.0）
- 或者使用 Python 3.13 自行安装 VeighNa 相关组件
如果只是跟着官方示例入门，优先使用 Studio 往往会更省事，因为很多常用依赖已经提前准备好了。
三个会反复出现的概念
后面文章里会频繁出现以下术语，这里先做一个简短说明。
vt_symbol：VeighNa 体系下统一的标的编码，例如600000.SSE。它的作用是让行情、成分股、因子表、信号表都能准确对齐到同一只股票。Interval：K 线周期。本系列默认使用日频，也就是Interval.DAILY。Segment：样本区间划分，通常用于区分训练集、验证集、测试集。模型训练和样本外预测都会用到它。
这几个概念本身并不复杂，但它们是贯穿整个 vnpy.alpha 工作流的基础约定，第一次接触时可以先建立清晰印象。
常见依赖
跑通 vnpy.alpha 示例时，常见依赖通常包括：
polars：面板数据与列表达式计算scikit-learn：如 Lasso 等基础模型lightgbm：梯度提升树模型示例alphalens：因子或信号分层分析plotly：结果可视化tqdm：进度显示
如果使用的是 VeighNa Studio，很多依赖通常已经具备；如果是自行搭建环境，则可以在实际运行时报错后按需补装。
需要额外提醒的是，因子批量计算往往会用到多进程。在 Windows 环境下，多进程采用 spawn 方式启动，首次运行偏慢是正常现象，不必一开始就误以为程序卡死。
官方示例地图
仓库 examples/alpha_research/ 目录中，和入门相关的 Notebook 主要有以下几类。
| 类型 | 文件 | 作用 |
|---|---|---|
| 数据准备 | download_data_rq.ipynb |
使用 RQData 下载指数成分和行情，并整理为 AlphaLab 可用格式 |
| 数据准备 | download_data_xt.ipynb |
使用迅投数据完成同类准备流程 |
| 完整工作流 | research_workflow_lasso.ipynb |
使用 Lasso 跑通完整研究链路 |
| 完整工作流 | research_workflow_lgb.ipynb |
使用 LightGBM 跑通完整研究链路 |
| 完整工作流 | research_workflow_mlp.ipynb |
使用 MLP 跑通完整研究链路 |
| 因子集示例 | research_workflow_alpha101.ipynb |
基于 Alpha 101 因子集完成完整投研流程 |
如果是第一次接触 vnpy.alpha，建议优先按下面的顺序阅读和实践：
- 先看数据准备 Notebook，理解数据如何落到
AlphaLab - 再选一个完整工作流 Notebook 跑通全流程
- 后续再去替换因子、模型或调仓规则
这样会比一开始就直接阅读源码更容易建立整体认识。
小结
这一篇的目标，不是立刻展开所有细节，而是先把 vnpy.alpha 的全貌建立起来。
可以先记住一句话：
vnpy.alpha 提供的是一条完整的多因子投研链路：从本地数据组织开始，经过因子与标签构建、模型训练、信号生成，最终进入策略回测。
如果把它拆开来看：
AlphaLab负责组织研究目录AlphaDataset负责构建因子与标签数据AlphaModel负责训练和预测AlphaStrategy与BacktestingEngine负责把信号变成组合并完成回测
也就是说，它不是一堆彼此独立的工具类，而是一套围绕“数据 -> 因子 -> 模型 -> 信号 -> 回测”组织起来的研究框架。
下一篇，我们会进一步进入 AlphaLab 的目录结构，重点说明 daily、minute、component、dataset、model、signal、contract.json 各自存放什么内容，以及如何检查研究数据是否已经准备齐全。
