RiskMiner: Discovering Formulaic Alphas via Risk Seeking Monte Carlo Tree Search
创建于 更新于
摘要
本报告提出RiskMiner，一种结合风险偏好蒙特卡洛树搜索的量化因子自动挖掘框架，通过设计奖励密集型马尔可夫决策过程（MDP）和风险偏好策略优化，实现对最佳案例表现的专注优化。该方法利用结构化解空间信息，显著提升因子多样性和协同性，且在CSI300与CSI500等实证数据上优于多种最新基准模型。回测验证其在真实交易环境中具备更佳盈利能力，且消融实验进一步确证了各组件的有效性 [page::0][page::1][page::6][page::7]
