本文介绍了基于遗传规划技术挖掘分析师一致预期因子,设计了适配三维结构的一致预期数据处理方案,实现了高效矩阵运算,挖掘出11个可解释性高的因子,验证其在不同股票池中的稳定性和有效性,展示因子构建逻辑及复合因子设计创新,具有较强的选股价值
遗传规划简介与应用背景
一致预期数据特点与处理方法
遗传规划因子挖掘流程与测试方法
关键因子构建逻辑总结与改进方向
典型因子Alpha1与Alpha2表现对比
量化因子构建(精选因子示例)
报告标题:基于遗传规划的一致预期因子挖掘
作者:林晓明、李子钰、何康等华泰证券研究团队
发布机构:华泰证券股份有限公司
发布时间:2022年4月7日
研究主题:使用遗传规划技术对分析师一致预期数据中的股票选股因子进行深度挖掘与测试
核心论点:遗传规划(Genetic Programming, GP)因其模拟自然进化过程的优势,特别适用于筛选选股因子。本文针对一致预期数据的特殊性,设计了专门的数据处理架构,融合遗传规划算法进行因子挖掘,挖掘出了11个具有较高可解释性和稳健性的因子,并通过多层面测试验证了其有效性。该报告展示了一种结合人工智能优化方法与财务预期数据的创新型因子挖掘思路和实践,提供了因子构建的新参考框架。
遗传规划是一种启发式的公式演化技术,核心通过“遗传”、“交叉”、“变异”等仿生学机制,将随机生成的公式群体不断迭代进化,最终筛选出适应度最高的因子公式。此前华泰金工研究已发布三篇相关遗传规划报告,涵盖量价因子挖掘、适应度改进、交叉验证等,形成了较为成熟的遗传规划框架。本文基础上继续扩展,将遗传规划方法引入分析师一致预期数据因子挖掘,形成第四篇系列研究报告。
遗传规划流程图(图表2,page4)显示:
该方法具有全局搜索能力强、模型表达灵活的优势,适合因子公式复杂、非线性的提炼场景。
一致预期数据综合市场分析师对个股未来财务指标的预测,涵盖EPS、ROE、PE、PB等基础指标及业绩调整、预测标准差等衍生指标。该数据不仅更新频率高(日频),且在一定程度上反映了基本面的动态变化,具有重要的因子挖掘价值,5]。
最关键的问题是数据形态较为复杂:每日每只股票具有2~3个未来财年预测,财务报表披露会导致预测年份滑动,数据预测年份动态变化,造成传统二维矩阵(股票×交易日)形式难以直接处理。
为解决上述问题,报告创新性提出以三维数组结构(股票×交易日×预测年份)存储数据,同时构建二维数组用于存储每日每个股票的最小预测年份,用于因子计算中数据的准确提取(图表5,page6)。该三维结构在数据错位处理和避免未来信息泄露方面提供了技术保障。
基于gplearn遗传规划框架,华泰研究团队对因子计算模块进行了深度改造,使得遗传规划的矩阵运算可适配三维数组,提高了大量因子挖掘的效率和准确性。
以计算因子 ts_mean(CON_EPS,5) 为例,演示如何对含有预测年份维度的三维数组进行循环遍历计算,体现了数据结构设计的实用价值和可靠性(图表6,page7)。
整个测试框架包括:
该流程结合遗传规划进化机制与金融实证方法,确保所筛选因子不仅具备统计显著性,还具备实际投资组合绩效价值,9]。
报告详细阐述了IC值(Information Coefficient)、Rank IC的概念和计算方法。Rank IC指标通过测量因子暴露与后续收益的Spearman秩相关,能够有效规避极端值干扰,反映因子预测的稳定性和有效性。此外,分层回测法通过构建多层组合(从Top组至Bottom组),验证因子对股票排序的收益体现,有助揭露非线性收益关系。
(详见图表9和图表10,page10)
定义:ts_return(CON_EPS, 60)——过去60日一致预期EPS的变化率。
特征:因子简单但具代表性,性能稳健。
测试:沪深300中的分层结果显示Top1层远优于其他层,累计Rank IC呈持续增长态势,表明具备长期有效性(图表17~20,page12)。
定义:div(ts_return(CON_EPS,60), ts_decay_linear(DEGREE,60))——引入分析师预测标准差的加权衰减调整。
性能:相比Alpha1,在中证500及全A股表现更佳,说明对预测分歧的调节提高了因子信号的纯度和稳定性(图表23~26,page13)。
定义:div(ts_return(CON_ROE,60), ts_decay_linear(DEGREE,60))——通过调整ROE预期变化获得因子。
结果:多层分层表现优异,验证预期ROE变化与未来收益关联性,且调整后稳定性高(图表29~32,page14)。
定义:div(EP, ts_mean(delay(CON_EP,5), 60))——当前真实EP与5日前均值的一致预期EP比值,视为超预期因子。
绩效:综合沪深300、中证500及全A测试均显示长期正效用,具有创新意义,扩展了预期因子体系(图表75~80,page22)。
该图反映了不同因子分层组合的净值表现,第一层(通常代表最高因子得分组合)净值明显高于其他组别,且差异随着时间扩大,表明因子具备良好的选股能力和收益预测意义。第二层走势平稳,第三至第五层净值多呈下行趋势,印证因子的多空潜力。
图示直观展示了如何将股票代码、交易日期和预测年份三维数据映射至三维数组,有效解决了不同预测年份变动的问题,确保算法在遗传规划中的适配性和计算效率。
以实例揭示五日均值计算如何结合三维数据索引接口访问有效数据,确保计算过程科学,避免未来窗口泄露等技术问题。
图表揭示了新冠疫情后分析师预测标准差大幅提高,反映市场信息不确定性增加,此变化为因子设计提供了重要启示,即利用预测分歧作为加权调整项能提升因子效能。
矩阵显示部分因子相互高度相关,主要为相似财务指标及其变化率,提示组合构建时需注意多因子冗余风险,也说明了不同数据维度创造的因子多样性。
均显示Top层组合明显优于Bottom层组合,分层净值曲线的季节性及趋势变化说明因子有效性在不同市场环境下有所起伏,但整体呈现长期超额收益能力~22]。
本报告主要聚焦因子挖掘技术与测试,未涉及传统估值方法如DCF、市盈率倍数法等分析。其估值核心在于因子优劣的统计指标(IC值、Rank IC、多空组合回测指标)和实证投资组合净值表现,无传统意义上的估值定价。因子适应度定义为Rank IC均值,基于严格行业市值中性化步骤,确保因子纯粹度和稳健性。
报告强调因子的持续验证和多样性组合构建作为风险缓释措施,但未提及更具体策略,23]。
华泰证券最新研究报告深入剖析了基于遗传规划技术对分析师一致预期数据的因子挖掘方法。通过创新的三维数据结构设计和遗传规划程序模块改进,实现了对包含多预测年份的一致预期数据的高效处理和超大规模因子公式进化搜索,显著提升了因子挖掘的可行性。
11个挖掘因子均围绕分析师预期变动率展开,兼顾了因子逻辑的可解释性和投资组合的实证表现,尤其对预测标准差的加权调整因子表现尤为突出。多层次的Rank IC测试和分层组合回测验证了因子的统计显著性和投资潜能,表明一致预期信息的动态变化确实包含了超额收益信号。
图表展示清晰,尤其是因子分层净值曲线和累积Rank IC曲线,直观体现了因子表现的长期优势和相对稳定性。此外,疫情期间分析师预测离散度上升的现象被合理纳入调整因子设计,增强了现实针对性。
报告平衡理论创新与实证效果,适当强调了遗传规划的灵活性与挑战;同时风险提示部分也强调因子可能的失效风险及样本局限性,保持了谨慎态度。
总之,本报告展现了人工智能与金融基本面分析深度融合的前沿路径,为量化因子研究领域注入新的技术视角和方法论。后续建议可展开更细粒度的数据源开发、多因子组合构建及动态策略实证,以提升因子模型的适应性与持久性。,4,6,8,9,10,11,12-22,23]
Gao H, Wen H, Yu S. “Pandemic Effect on Analyst Forecast Dispersion: Earnings Uncertainty or Information Lockdown?”, Emerging Markets Finance and Trade, 2021, Vol. 57, Issue 6, pp.1699-1715.
(以上分析基于报告公开内容完全展开,严格依照报告数据和论述,未注入额外主观评论。)
华泰人工智能系列54:基于遗传规划的一致预期因子挖掘.pdf