再探基于遗传规划的选股因子挖掘

AI 全书内容总结

这是华泰证券金融工程团队（林晓明等）2019年8月7日发布的深度研报《再探基于遗传规划的选股因子挖掘》，'华泰人工智能系列之二十三'，属量化选股方法论研究，主题相符。报告对前期遗传规划因子挖掘报告提出三点改进：其一，以互信息替代传统RankIC作适应度（互信息能捕捉因子与收益间的非线性关系），并将多头超额收益纳入适应度；其二，非线性因子的使用方法——互信息挖出的因子常呈'中间分层收益高、两端低'特征，可用三次方回归残差法或多项式拟合法重构为线性因子，测试显示前者简单但转换效果较差，后者较好却需逐因子拟合、不能通用；其三，在gplearn中加入交叉验证控制过拟合，以验证集平均适应度收敛决定停止进化时机。测试部分在全部A股上展示20多个挖掘因子，逐一给出由vwap、volume、turn等量价数据与ts_sum、ts_cov、sigmoid等函数构成的公式、分层回测净值及中性化后的多空表现。风险提示指出挖掘因子属历史经验总结、存在失效可能且可解释性降低。适合已具备机器学习与多因子模型基础的量化研究者学习。