江海潮涌，星辰引航：量化因子掘金系列(三)，遗传算法因子挖掘与因子非线性合成.docxVIP

目 录

研究背景 3

遗传算法介绍 4

符号回归 4

个体选择 4

迭代终止 5

遗传变异 5

交叉 5

子树变异 6

Hoist变异 6

点变异 6

膨胀现象 7

节俭系数 7

模型训练 7

挖掘结果 9

因子合成 11

最大化IC_IR加权法 11

似然函数 12

顺序最小二乘规划SLSQP 13

协方差估计 13

交叉验证最优估计 14

因子合成结果 15

6总结 18

风险提示 19

图表目录

图1、交叉的方式 5

图2、子树变异的方式 6

图3、Hoist变异的方式 6

图4、点变异的方式 7

图5、框架工作流 9

图6、部分因子表达式的树状结构图 10

图7、协方差收缩方法的对比 14

图8、合成的因子回测净值 16

图9、不同合成方法比较 18

表1、模型超参数设定和说明 8

表2、适应度较高的因子的计算公式 10

表3、基础指标的定义和计算方式 11

表4、因子分组回测表现统计 17

表5、组1按年份回测统计 17

研究背景

遗传算法（GeneticAlgorithm,GA）是一种模拟生物进化过程的搜索启发式算法，它通过模拟自然选择、遗传、交叉和突变等生物学机制来优化问题解决方案。遗传算法的主要特点是直接对结构对象进行操作，不需要求导和限制函数连续性，具有内在的隐并行性和更好的全局寻优能力。它采用概率化的寻优方法，自动获取和指导优化的搜索空间，自适应地调整搜索方向。

遗传算法在量化研究中有广泛应用。主要因为它能够有效处理优化问题，尤其是在优化求解、因子挖掘、特征选择等方面。量化研究中的优化问题往往具有高维度、非线性和多峰值的特点，遗传算法通过其全局搜索能力和并行处理能力，能够有效避免陷入局部最优解，寻找全局最优或者近似最优解。

当前遗传算法在量化研究中的应用程度相当广泛。例如，它可以用于优化投资组合的权重分配，通过模拟不同资产组合的收益和风险，找到风险调整后收益最大化的组合。另外，遗传算法还可以用于量化模型的特征选择，通过遗传算法筛选出对预测模型最有贡献的特征，从而提高模型的预测准确性。再者，就是在近年来比较流行的因子挖掘框架，利用遗传算法自动挖掘有效的量化因子，提高选股模型的性能。

遗传算法的执行过程可以总结为以下步骤：

初始化种群：随机生成一组候选解作为初始种群。

评估适应度：根据适应度函数评价每个个体的性能。

选择操作：根据个体的适应度进行选择，适应度高的个体有更高的概率被选中。

交叉操作：通过交叉操作产生新的后代个体。

变异操作：以一定的概率对个体的某些基因进行变异，增加种群的多样性。

新一代种群形成：选择和交叉操作产生的新个体形成新一代种群。

终止条件判断：如果满足终止条件（如达到最大迭代次数或适应度阈值），则停止迭代，否则回到步骤3。

遗传算法的优点包括其基于群体的搜索能力、适应度函数的简单性、易于并行处理、提高搜索效率和一定的随机性。然而，它也有一些局限性，如受初始种群的影响较大、参数设置（如交叉率和变异率）依赖经验、搜索速度较慢等。

在实际应用中，可以通过编码改进、选择进化、交叉改进、自适应策略

和效率提升等方法来改进遗传算法的性能。这些改进有助于提高算法的收敛速度和解的质量。

基于遗传算法，本研究建立了一套自动化挖掘因子的框架，使其适应个股面板数据的输入。对于该模型而言，数据质量、数据输入和超参数的选择尤为重要。使用者可以个性化地修改输入的样本范围、特征变量、函数组合、模型超参数、输出数量和质量控制、适应度指标和合成方法等，灵活地适应不同的研究场合应用。该框架还具有因子检测模块，自动化输出检测报告。也可较容易地与其他模块进行组合，便于工作流进行。

遗传算法介绍

遗传规划是一种监督学习方法。它使用符号回归（SymbolicRegression）建立一连串的数学公式运算，使结果的适应度（Fitness）与衡量指标接近。具体实现方法是通过遗传算法（GeneticAlgorithm），在第一代随机生成一些候选公式，然后在每一代中，选取适应度最高的公式，通过遗传、变异、进化，不断逼近数据真实分布。

符号回归

符号回归（SymbolicRegression）是有监督机器学习方法中的一种，用于发现某种隐藏的数学表达式或函数，以最佳拟合给定的数据集。与传统的回归方法不同，符号回归通过搜索和组合基本数学运算符和函数，自动构建出一个数学表达式。同时，符号回归的可解释性较强，我们可以据此分析数据之间的计算关系。符号回归的优点在于不依赖先验知识来为非线性系统建立符号模型，而是使用遗传算法、进化策略、粒子群优化