基于GFlowNet和AlphaEval的分钟频因子挖掘筛选框架
创建于 更新于
摘要
本报告提出以GFlowNet为核心的日频与分钟频因子挖掘框架，结合MemMap等高效计算框架实现分钟频数据快速处理，形成低相关性、高多样性的Alpha池。日频因子IC中位数约4.43%，分钟频因子IC中位数约3.19%，两者信号的相对增量通过分钟聚合特征进一步放大。AlphaEval从多样性、预测能力、秩稳定性、金融逻辑性等维度筛选，最终在800个因子集合上构建模型并实现对沪深300、中证500、中证1000等宽基指数的稳定正超额收益，且与现有AI模型融合后获得更好的指数增强效果。尽管结果对历史数据友好，仍需警惕政策与市场环境变化、交易成本等时效性风险。 [page::5][page::12][page::13][page::15][page::16]
