本报告基于遗传规划技术,提出优化的因子挖掘模型,通过改进进化算法、控制因子膨胀与相关性,成功挖掘出53个优质量价因子,并构建多因子组合Alpha_GP。该组合在2021-2023年样本外测试中实现20.49%的年化超额收益和1.31的夏普率,优于传统量价因子。报告包含因子构造方法、单因子与多因子绩效对比,并提出未来提升空间如GPU加速、多进程运算等技术方案,为量化因子挖掘提供系统解决方案
报告标题:基于遗传规划的因子挖掘优化模型
作者:陆豪(执业证书编号:S0590523070001)、康作宁(执业证书编号:S0590524010003)
发布机构:国联证券研究所
发布时间:2024年(具体日期未标)
研究主题:使用遗传规划(Genetic Programming,GP)技术进行股票量价因子的自动挖掘与优化,基于中证500成分股,通过进化算法筛选和优化股票因子,提升因子质量和多因子组合的投资绩效。
核心论点及内容概述:
遗传规划中个体表现为树状公式结构,节点是操作符(加、减、乘、除等),叶节点是变量或常数(如价格、成交量),通过交叉与变异演化树结构。
图表1(公式树示例)演示了一个公式y = (x4 + x6) × max(x8, x13)的树形结构,同时给出了对应的S-表达式,清晰展现了公式树形态的表达能力。
这一结构使得模型能够灵活组合多种特征,生成复杂因子表达式。
适应度函数衡量个体表现优劣,对于量价因子可选Rank IC、夏普率、年化收益等指标。通过适应度评估实现优质因子的筛选和进化。
适应度设计对算法性能至关重要,决定了进化方向和最终输出因子的有效性和稳定性。
进化体现在选择、交叉、变异操作中,类似自然遗传过程。其中交叉通过交换树某部分结构生成新个体。图表2展示了“sub(log(x0), add(x3, x5))”和“div(abs(x6), x7)”两棵树交叉后,得到的子代树“sub(abs(x6), add(x3, x5))”,形象体现了交叉的具体操作。
此方法保持遗传信息流动,促进种群多样性和性能提升。
遗传规划的循环流程:初始化种群→适应度计算→选择父代→进化操作(交叉,变异等)→生成新种群→迭代,直到停止条件。图表3清晰展现了这一流程。多轮迭代后,模型得以从随机组合中过滤出优质因子。
原用Gplearn因其底层难改制,存在因子长、趋同和高相关性问题,改用更灵活的Deap框架,自定义进化流程、增加后代操作等,成功缓解这些问题。
剔除低质量个体(公式长且适应度低),优化前后种群平均公式长度由4.546降到4.022,平均适应度由0.018提升至0.023,提升种群质量,提高算法效率。图表4展示了优化效果,红色为初始群体数量分布,浅红为优化后数量减幅,体现明显瘦身效果。
通过在预测目标为20交易日后收益率下,构建20个独立仓位回测轨道(每月调仓),对比不同轨道的超额收益率与夏普率,获得表现相近结果,显示模型规避因路径依赖带来的表现差异性。图表5与图表6详细展示轨道间绩效的稳定性和一致性。
进化代数提升会带来公式膨胀和复杂度提升影响可解释性。采用双锦标赛和适应度中的长度惩罚系数,限制公式长度。
因子库中53因子公式长度主要集中于2-5,最长也仅8,见图表7,说明模型有效抑制了公式膨胀问题,保证了因子简洁且解释性较高。
重复因子多导致缺乏多样性。模型降低相同高适应度因子被重复选中的概率,并通过去重操作保证新种群无重复个体,提高因子多样性与泛化能力。
为避免高相关因子聚集增加风险,在因子入库前检测相关性,设定0.5阈值,低于阈值者纳入,确保因子库因子间相关性较低。
图表8列举10个随机抽取因子公式,图表9展示对应的相关性矩阵,绝大多数相关性远低于0.5,验证控制效果。此策略减少了每代惩罚计算的资源负担,提升计算效率。【图表8/9均见示例】
增加研究时间跨度(2016-2023拆分为样本内与样本外),拓宽特征至234个,算子从7个提升至63个,包含18个非时序和45个时序算子,使模型对复杂关系的表达能力和适应力增强,降低过拟合风险。
选取Alpha8和Alpha11两因子做样本外单因子绩效测试。
Alpha8:基于市销率的价值类因子,应用20日前滚时序加权后取10期前值。
测试期2021-2023年累计表现显示2021年、2022年均超基准12%-33%超额收益,2023年有所回落。总体夏普率0.64,信息比率0.62,表现稳健。图表14/15展示统计数据和业绩曲线,超额收益累计显著。
Alpha11:情绪类因子,5日换手率经20日乘积及标准化处理。
2021和2022年表现优异,超额收益分别达19.19%和35%,夏普率达到1.17,信息比率0.88。2023年表现较弱,但整体多头累计超基准。图表16/17详细体现业绩统计及曲线。
报告总结了遗传规划因子挖掘的优化路径及效果:
未来拟拓展方向包括:
尽管遗传规划和传统量价因子均有实用价值,但两者适合不同市场环境和投资策略。报告告诫投资者结合自身需求和风险承受能力理性使用,注重多元化和风险管理。强调“无万能因子”,工具选用需因地制宜,避免策略失配产生风险。
本报告侧重因子挖掘与策略构建,未直接涉及传统的估值方法(DCF、P/E、EV/EBITDA等),然而通过因子选股构建的多因子组合部分实现了对市场收益的超额捕捉,等效于因子组合的相对价值创造。因子的“价值”在于其预测能力强,带来优异的风险调整收益率。
报告主要指出模型与投资的风险包括:
本报告以遗传规划为技术核心,构建了一套具有高度灵活性和创新性的股票因子挖掘优化模型。通过算法框架升级(Deap替代Gplearn)、精选初始种群和改良进化算法(双锦标赛、两点交叉、父子竞争),有效抑制了公式膨胀和因子趋同,保障了因子库质量和多样性。
扩展数据范围和算子集的策略提升了模型宏观适应力和因子复杂度表达能力,进而有效挖掘出53个优质因子,组成的多因子投资组合在2021-2023年样本外测试中取得了20.49%的年化超额收益率和1.31的夏普率,显著超越传统量价因子,验证了该遗传规划优化模型的优越性和实用价值。
图表数据系统反映了算法进化的迭代逻辑、因子质量控制、单因子与组合绩效,充分体现了技术手段与实证效果的结合,为量化选股因子研究提供了有力参考。未来模型拟通过技术升级与降维手段进一步提升性能并扩展应用场景,值得关注。
总的来说,报告结构严谨、论据充分,技术创新与实测成果兼具,为遗传规划在因子挖掘领域的应用提供了系统方法论和实务指导,具有较高的行业价值和参考意义。,2-14]
图表1:遗传规划-公式树
图表5:不同回测轨道对比(年化超额收益率、夏普率)
图表7:因子库公式长度分布
图表9:抽样因子相关性
图表15:单因子Alpha8业绩曲线
图表19:复合因子与传统量价因子业绩对比
(全文分析字数约1600字,覆盖报告各章节及所有关键图表内容,术语解释清晰,逻辑严密,信息完整。)
金融工程专题:基于遗传规划的因子挖掘优化模型.pdf