因子选股系列研究：机器因子库相对人工因子库的增量.pdfVIP

金融工程 机器因子库相对人工因子库的增量 —— 《因子选股系列研究之 七十》 Table_BaseInfo 研究结论 报告发布日期 2020 年09 月11 日  国内量化发展已有十余年，各家机构投资者的Alpha 因子库已有较大规模， 这时面临的问题是，继续花时间和精力进行因子挖掘扩充因子库是否划算， 还能带来多少增量收益。我们尝试将近年来兴起的机器学习算法应用到 Alpha 模型上，进行低频层面的因子挖掘，考察机器因子库相对人工因子库 的增量。  本文首先利用遗传规划算法进行因子挖掘，再将机器因子库与人工因子库通 过随机森林模型转换为预测收益率，从组合层面进行因子库效果的整体比较。 考虑到技术类因子和财务类因子历史表现差别较大，我们将这两类因子的挖 掘和对比分开进行。  遗传规划是一种启发式的进化策略算法，可以用来进行选股因子挖掘。遗传 规划算法的主要想法是模拟自然界中生物遗传进化过程，从随机生成的公式 种群开始，通过不断变异优化，逐渐生成适应度更优的公式群体。 相关报告  Python 中的gplearn 是目前最成熟的遗传规划包之一。但 gplearn 存在不 机器增强一致预期 2020-09-01 专 能直接处理多维面板数据、不能进行时间序列运算等问题，所以不能直接运用 因子加权过程中的大类权重控制 2020-08-04 题 于选股因子的挖掘，为此，我们将gplearn 的底层代码进行了修改。 宏观数据季节调整与运用 2020-05-31  基于遗传规划算法进行因子挖掘的整体过程，包括设定随机种子、初始化种 东方A 股因子风险模型（DFQ-2020 ） 2020-05-28 报 群、计算适应度、选择与进化、筛选有效因子五个步骤。回测区间为2010.06.30 基于时间尺度度量的日内买卖压力 2020-04-21 告 – 2020.06.30 ，每半年进行一次因子挖掘，以过去三年的月均因子收益率为适 跨品种无风险利率曲线构建与应用 2020-02-27 主动买卖单的批量成交划分法 2020-02-25 应度，每次得到100 个有效因子，使样本外使用的因子保持最新的状态。 从北上资金中提取的系列alpha 因子 2020-02-08 关于组合换手的若干问题 2020-01-05  基于随机森林模型进行Alpha 预测，直接由初始Alpha 因子库得到预测收益 率。随机森林模型逻辑简单，参数调整容易，数据过拟合的可能性小，其基分 类器决策树可实现噪音变量的剔除，适合处理多变量问题，实际应用效果好。  经过遗传规划算法可以从日频量价数据中挖掘出有效的月频技术类指标，叠