基于遗传规划算法的alpha101再扩展：交易型量价因子挖掘与有效性研究

1 权益量化研究 权益量化研究 证券研究报告 2020 年 04 月 17 日 交易型量价因子挖掘与有效性研究 ——基于遗传规划算法的 alpha101 再扩展 相关研究 证券分析师 孙凯歌 A0230519100005 sunkg@swsresearch.com 联系人 孙凯歌 (8621)23297818×23297397 sunkg@swsresearch.com 重要信息回顾：  本文第一部分对 alpha101 因子在 A 股市场有效性和相关性进行探讨，筛选出有效性、独立性均较强的 alpha 因子作为基础量价因子库；第二部分，基于遗传规划算法进行交易型量价因子再挖掘，对基本算子进行组合重构，使因子风格中性化后仍具有较强有效性。  对 alpha101 因子构建方法进行解析，并检验因子有效性和相关性。结果显示，因子具有较强有效性，从 Rank_IC、分层效果、组合收益等角度筛选，22 个因子在周度频率上表现较好，11 个因子在月度频率上表现较好，有效因子整体表现出较高收益率，但是在 2017年均出现不同幅度回撤；因子相关性方面，alpha 因子值截面相关性较低，此外，alpha因子与风格因子相关性较低，不能被风格因子所解释，收益来源独立性强。  遗传规划算法本质是启发式寻找最优解结构的过程，进化过程中伴随子树间交叉，以及子树个体变异，以满足适应度要求。运用遗传规划算法进行 alpha 因子公式中的基础算子再组合，可挖掘新的因子，校验其有效性。风格中性情况下，着重考察因子对收益率预测能力，筛选适应度高的 alpha 因子，挖掘方法可操作性较强；此外，新挖掘的因子在样本内外收益具有较高一致性，因子具有显著超额收益。 请务必仔细阅读正文之后的各项信息披露与声明 2 权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第 2 页 共 24 页 简单金融 成就梦想 1. 研究出发点 .................................................................... 4 2. 量价因子有效性 ............................................................. 4 2.1. alpha 因子拆解：基本函数与算子组合 .......................................... 4 2.2. 周频、月频调仓下因子有效性均较强 .............................................. 5 2.3. 因子超额收益显著 ............................................................................... 7 2.4. 相关性检验：alpha 因子具有较强独立性 ...................................... 9 2.5. 本章小结 ............................................................................................. 11 3. 基于遗传规划算法进行因子再挖掘 .............................. 11 3.1. 公式拆分、基本函数与原始数据准备 ........................................... 11 3.2. 遗传规划挖掘因子流程，兼顾广度和效率 ................................... 14 3.3. 因子风格中性化与算法参数设置 ................................................... 16 3.4. alpha 因子周频表现 ......................................................................... 17 4. 总结 ............................................................................ 20 6．附录 : 因子公式 ......................................................... 21 目录 tOsOtRzRyQ6MbPaQsQnNsQmMeRrRmQeRmNoRbRqRpRwMpMzRuOnMnN3 权益量化研究 请务必仔细阅读正文之后的各项信息披露与声明 第 3 页 共 24 页 简单金融 成就梦想 图表目录 图 1：Alpha 因子拆解为基本子函数 .................................................................... 5 图 2：alpha 因子的 VIF 值分布 ......................................................................... 10 图 3：因子公式树((),(((mul neg volume mul rank delta return,3)), 1)) ......... 12 图 4：因子公式树((((),(sum rank correaltion rank high rank volume),3)),3).. 12 图 5：遗传规划算法具体流程 ............................................................................. 14 图 6：迭代进化-子树交叉示意图 ....................................................................... 15 图 7：迭代进化-子树变异示意图 ....................................................................... 15 图 8：alpha102 因子多空收益 .......................................................................... 17 图 9：alpha103 因子多空收益 .......................................................................... 18 图 10：alpha105 因子多空收益 ........................................................................ 18 图 1