用途：在同一时间横截面上为多只股票计算多个因子值，标准化后合成综合评分，选出排名靠前的股票构建组合。
信号逻辑：为每只股票计算N个因子（如动量、价值、质量）；对每个因子做横截面Z-score标准化（减均值、除标准差）；按等权或自定义权重求和得到综合分；做多TopN，每只权重为1/N。
内置因子：momentum（过去N日收益，正向）、reversal（过去5日收益，负向）、volatility（过去N日收益标准差，负向）、volume_ratio（当日成交量/N日均量，正向）。若extra_fields可用（中国A股），还可加入pe_factor（1/PE，越大越便宜）、pb_factor（1/PB）、roe_factor（ROE，越大越好）。
参数：momentum_window默认20，vol_window默认20，top_n默认3，rebalance_freq默认20（交易日）。
常见陷阱：横截面标准化至少需要3只股票，否则Z-score无意义；调仓日之间保持上一信号不变，不要每日重新排序；因子方向不同，标准化前须对齐方向；组合权重须归一化，TopN各1/N，其余为0。
依赖：pip install pandas numpy
信号约定：1/N表示入选TopN（等权多头），0表示未入选。
Zoo Signal Engine（0.1.8新增）：当用户想把Alpha Zoo（450+预置因子）中的1-N个alpha组合成多因子策略时，使用zoo_signal_engine.py中的ZooSignalEngine.from_zoo(...)，而非旧的逐标的example_signal_engine.py。新引擎基于宽面板dict[str, pd.DataFrame]输入（与registry的Alpha.compute(panel)契约形状一致），在任一alpha失败或被跳过时重新分配权重，支持long-only（top_n）、short-only（bottom_n）和long-short（top_n + bottom_n）模式，并提供generate(data_map)适配器以接入现有run_backtest流程。
from src.factors.registry import Registry from zoo_signal_engine import ZooSignalEngine
registry = Registry() alpha_ids = ["alpha101_001", "alpha101_012", "guotai_191_003"] engine = ZooSignalEngine.from_zoo(alpha_ids, top_n=10, bottom_n=10, standardize=True) signal_panel = engine.compute_signal(panel)
交叉引用：浏览alpha目录、按主题/股票池过滤及查看__alpha_meta__记录，参见alpha-zoo技能。example_signal_engine.py保留用于从原始OHLCV直接计算因子的旧版逐标的流程；新代码应优先使用zoo_signal_engine.py，以利用450+ zoo alpha、registry级NaN/inf防护和逐alpha跳过隔离。