- 1、本文档共16页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
目 录
1、 开源金工特色遗传算法框架 4
、 算子的赋予:创造性引入切割算子 4
、 变量的遴选:大小单资金流、日内分钟特征、日间特征 5
、 遗传算法流程:针对性的改写 5
2、 遗传算法的因子挖掘成果举例 6
、 遗传算法优选综合因子表现优异 6
、 沙里淘金:遵循“可解释”理念 7
3、 因子 3 的精细化讨论 8
、 主动超大单强度效果不佳 8
、 “小单强度”切割“主动超大单强度”敏感性分析 8
、 “小单强度”切割“全部超大单强度”敏感性分析 9
4、 因子 4 的精细化讨论 11
、 切割算子部分的讨论 11
、 时序极差算子 14
5、 因子 8 的精细化讨论 15
6、 风险提示 16
图表目录
图 1: 开源金工特色遗传算法整体流程 6
图 2: 遗传算法优选综合因子回测曲线较为优异 7
图 3: 主动超大单强度 5 分组年化收益不单调 8
图 4: 不同??值下????????????_??????(??)和????????????_??????(??)的 RankICIR 绩效 9
图 5: 主动超大单关注度因子多空收益波动比为 2.08 9
图 6: 主动超大单关注度因子 5 分组年化收益单调 9
图 7: 不同??值下??????_??????(??)和??????_??????(??)的 RankICIR 绩效 10
图 8: 超大单关注度因子多空收益波动比为 2.63 10
图 9: 超大单关注度因子 5 分组年化收益单调 10
图 10: 因子 4 原始公式的拆分 11
图 11: 日内分钟收益波动 5 分组年化收益不单调 12
图 12: 不同??值下????_??????(??)和????_??????(??)的 RankICIR 绩效 12
图 13: ????_????????因子多空收益波动比为 2.83 13
图 14: ????_????????因子 5 分组年化收益单调 13
图 15: 在多空 IR 值上????_????????略胜于理想振幅 13
图 16: 交易情绪不稳定因子多空收益波动比为 3.35 14
图 17: 交易情绪不稳定因子 5 分组年化收益单调 14
图 18: 主力控盘能力因子多空收益波动比为 2.46 16
图 19: 主力控盘能力因子 5 分组年化收益单调 16
表 1: 四大类算子列示 (部分) 5
表 2: 3 大类变量列示 (部分) 5
表 3: 遗传算法优选综合因子在不同股票域的测试结果皆较为优秀 7
表 4: 遗传算法精筛因子明细 7
表 5: 超大单关注度因子在其他样本空间依然具有一定选股能力 10
表 6: 超大单关注度因子与传统 Barra 因子相关性不高 11
表 7: 超大单关注度因子与已有资金流因子相关性也不高 11
表 8: 因子 4 的公式定义 11
表 9: 相较于理想反转,标准化的分钟成交量波动也可改进传统反转因子 13
表 10: 时序极差 ts_max_to_min 的应用 14
表 11: 交易情绪不稳定性因子在其他样本空间依然具有一定选股能力 15
表 12: 交易情绪不稳定性因子与传统 Barra 因子相关性不高 15
表 13: 时序相关性算子 ts_corr 的应用 15
表 14: 主力控盘能力因子在其他样本空间依然具有一定选股能力 16
表 15: 主力控盘能力因子与传统 Barra 因子相关性不高 16
相较于传统人工挖掘因子而言,遗传算法和神经网络是当下较为流行的挖掘因子的机器学习模型。其中遗传算法的优点在于公式的可视化,每个因子均可用算子树的形式展现,供我们在有一定变量和算子储备的前提下,最大程度的找到蕴含在背后的有效因子。本篇报告以遗传算法为基础,结合我们已有的特色变量和算子, 尝试了量价因子的挖掘,具体从如下 3 大部分展开。
在第一部分,我们介绍了遗传算法框架。其中在算子部分,我们创新性地引入了切割算子,其是我们的招牌因子理想反转、理想振幅等的来源;在变量部分,我们引入了日内量价、日间量价以及资金流相关指标;在遗传算法的具体流程上,我们从个体初始化到初始种群的生成,再到选择、交叉、变异,每一步都做了对应的针对性改写,使其更加高效的进行因子挖掘。
在第二部分,经过一轮完整的迭代,我们得到了近 200 个有效因子,进一步地, 我们选取样本内 RankICIR 大于 3.5 的个体,并将其合成,综合因子全区间 RankICIR 为 5.52,效果非常亮眼。除此之外,我们在挖掘出的因子中进一步精筛,选取了 8 大因子进行后续的逻辑解释和衍生测算,对我们已有的人工因子库为有效的补充。
在第三部分,我们把目光聚集在了第二部分筛选出的
您可能关注的文档
- 一文读懂系列: 一文读懂银行二永债的四层供给.docx
- 一文尽览烟台城投.docx
- 一文看懂31省市化债进展与新举措.docx
- 一文了解国债期货(基础篇).docx
- 医疗器械行业求索系列7:奥林巴斯的“常青”之路.docx
- 医药生物行业“AI医药健康”系列报告(一):院内场景丰富,全流程AI赋能.docx
- 医药生物行业GLP1药物系列降糖减肥GLP1药物及上游产业链价值分析.docx
- 医药生物行业阿尔茨海默病深度报告:诊疗终现双突破,蓝海市场正起航.docx
- 医药生物行业连续血糖监测(CGM):现象级大单品,开启血糖管理新纪元.docx
- 医药行业2023年8月投资月报:板块趋势向好,看好医药下半年机会.docx
- 2024-2030年中国全自动蛋白印迹仪行业前景动态与未来趋势预测报告.docx
- 2024-2030年中国全身感染治疗行业市场发展趋势与前景展望战略分析报告.docx
- 2024-2030年中国六氯乙硅烷行业市场发展趋势与前景展望战略分析报告.docx
- 2024-2030年中国全釉瓷砖行业市场发展趋势与前景展望战略分析报告.docx
- 2024-2030年中国光电池行业市场发展趋势与前景展望战略分析报告.docx
- 2024-2030年中国光纤适配器行业运营态势与前景动态预测报告.docx
- 2024-2030年中国光纤加速度计(FOA)行业前景动态与投资盈利预测报告.docx
- 2024-2030年中国光敏高分子材料市场现状调查与未来发展趋势研究研究报告.docx
- 2024-2030年中国保健品行业发展分析及投资风险预测分析报告.docx
- 2024-2030年中国全装修营销态势与投资盈利预测报告.docx
文档评论(0)