基于遗传规划的一致预期因子挖掘和分析报告.pdfVIP

证券研究报告 金工 基于遗传规划的一致预期因子挖掘 研究 2022 年4 月07 日│中国内地 深度研究 金工人工智能 54 ：本文介绍了基于遗传规划的一致预期因子挖掘 遗传规划是一种启发式的公式演化技术，通过模拟自然界中遗传进化的过程 来逐渐生成契合特定目标的公式群体，适合进行因子挖掘。本文运用遗传规 划挖掘一致预期因子，是遗传规划系列研究的第四篇报告。实现层面，本文 针对一致预期数据的特点量身定制数据处理方案，适配了遗传规划中的矩阵 运算算法，使得短时间内进行大量因子挖掘成为可能。结果层面，本文展示 了挖掘出的11 个因子及其测试结果，因子可解释性较高，我们也对因子的 构建逻辑和模式进行了详细分析。 Alpha2 在全A 股的分层测试结果 2.0 第1层 第2层 第3层 第4层 分析师一致预期数据蕴含丰富的信息，具有深度挖掘的价值 1.6 第5层 分析师一致预期数据归纳总结了卖方分析师报告对个股的财务指标预测、评 级以及关注情况，是除公司财报数据、交易数据以外重要的第三方数据，一 1.2 致预期数据可达到日频更新的水平，一定程度上能反映基本面的高频变化， 0.8 具有深度挖掘的价值。本文使用的一致预期数据包含：一致预期EPS、ROE、 PE、PB 等财务指标类预测数据，以及业绩上下调、分析师预测标准差等衍 0.4 生数据。本文还引入真实的PE_TTM 来与一致预期数据结合挖掘复合因子。 0.0 2 2 2 2 2 0 0 0 0 0 / / / / / 5 5 5 5 5 0 0 0 0 0 针对一致预期数据的特点和遗传规划的需求，本文量身定制数据处理方案 / / / / / 2 4 6 8 0 1 1 1 1 2 考虑到每日每只股票通常包含2-3 个未来年份的一致预期数据，本文设计了 0 0 0 0 0 2 2 2 2 2 一个三维数据结构来存储一致预期数据，第一维是股票，第二维是交易日， 注：回测期：2012/4/27～2022/3/31 第三维是预测年份。该数据结构具有以下优点：1）解决了年度财务报表公 资料来源：朝阳永续，Wind， 研究 布前后一致预期数据预测年份变动的问题。2）适配了遗传规划中的矩阵运 算算法，算法可在三维数据结构上快速运算得出因子值，使得短时间内进行 大量因子挖掘成为可能。具体实现中，我们主要对gplearn 的因子计算模块 进行了修改，可支持三维数据结构的矩阵运算。 本文展示了