机器学习与因子（四）: 遗传规划: 模型、优化与应用
创建于 更新于
摘要
本报告基于遗传规划技术，提出并改进了因子挖掘模型，重点引入过拟合预防机制，包括早停机制、公式膨胀控制、热启动和父子竞争，有效提升因子表达能力和样本外泛化性能。实证结果显示，改进后的遗传规划因子在沪深300、中证500和中证1000等宽基指数中均表现出较稳定的超额收益，尤其在小市值中证1000指数中样本外年化收益高达26.29%，超额收益回撤水平较低，表明该方法具有较强的选股能力和一定的实际应用价值。此外，报告详细阐述了遗传规划算法的核心迭代流程、变异操作及参数设置，展示了复杂因子表达式与简洁表达式的平衡，揭示了因子改进对投资组合稳定性的影响，助力量化投资因子库的优化与升级 [pidx::0][pidx::4][pidx::11][pidx::13][pidx::16][pidx::18][pidx::20]。
