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-申万宏源-20200417
由qxiao创建，最终由qxiao 被浏览 144 用户
摘要
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
正文
/wiki/static/upload/86/864d018b-11ef-44d1-9fe2-9290df27043c.pdf
\