20230806-开源证券-市场微观结构研究系列（20）：遗传算法赋能交易行为因子

免费

3.0 森林南 2024-05-26 37 1.6MB 18 页免费

侵权投诉

金融工程专题

请务必参阅正文后面的信息披露和法律声明 1 / 18

2023 年08 月06 日

《因子切割论 —市场微观结构研究

系列（10）》 -2020.9.16

《A股反转之力的微观来源 —市场

微观结构研究系列（1）》 -2019.12.23

遗传算法赋能交易行为因子

——市场微观结构研究系列（20）

魏建榕（分析师）

盛少成（分析师）

weijianrong@kysec.cn

证书编号：S0790519120001

shengshaocheng@kysec.cn

证书编号：S0790523060003

 开源金工特色遗传算法简介

在算子部分，我们引入了 4大类算子，第一大类为横截面算子，其中除了较为常

见的基本运算符，我们考虑了“回归算子”，这个算子是大小单残差因子的来源；

第二类为时序算子，我们创新性的引入了“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；第三大类是横截面和时序算子的结合，这一类组合

算子的加入可以减少公式长度的同时涵盖更多信息；第四大类为逻辑判断，其可

以进行变量的状态转化。

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，细分指标里

除了基本统计指标，我们也融入了些特色指标，部分指标进行了标准化处理。

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。

 遗传算法挖掘出的因子结果展示

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。

 沙里淘金：部分因子的再探究

1、我们解决了超大单好看不好用的痛点，发现“小单切割”是其关键的因素，

其中在小单强度较高处，超大单强度呈现正 IC，而在小单强度较低处却呈现出

负IC。针对于这一现象，我们从行为金融学角度出发，引出了超大单关注度效

应，是对我们以往资金流研究的重要补充，该因子 RankICIR 为2.88，5分组多

空收益波动比为 2.63，月度胜率为 82.4%；

2、针对于理想反转和理想振幅而言，我们发现了替代的形式，丰富了收益率和

振幅改进的手段，其中将振幅替换为日内分钟收益波动，绩效有进一步的提升，

RankICIR 由-3.58 提升至-4.08；

3、我们利用日内分钟特征如分钟收益波动、分钟量价相关性、分钟标准成交量

波动，并结合算子“日间时序极差”定义了交易情绪不稳定性因子，该因子表现

较为出色，RankICIR 为-3.43，5分组多空收益波动比为 3.35，月度胜率为 84.2%，

是对传统振幅波动率因子很好的改进；

4、类似于散户羊群效应中“时序相关性”算子，我们发现振幅与分钟收益波动

以及分钟标准化成交量波动的相关性因子效果较好，将两个因子合成后定义了主

力控盘能力因子，该因子的绩效为 RankICIR 为2.82，5分组多空收益波动比为

2.46，月度胜率为 80.7%

 风险提示：本报告模型基于历史数据测算，市场未来可能发生重大改变。

相关研究报告

金融工程研究团队

开

源

证

券

证

券

研

究

报

告

金

融

工

程

专

题

金

融

工

程

研

究

魏建榕（首席分析师）

证书编号：S0790519120001

张翔（分析师）

证书编号：S0790520110001

傅开波（分析师）

证书编号：S0790520090003

高鹏（分析师）

证书编号：S0790520090002

苏俊豪（分析师）

证书编号：S0790522020001

胡亮勇（分析师）

证书编号：S0790522030001

王志豪（分析师）

证书编号：S0790522070003

盛少成（分析师）

证书编号：S0790523060003

苏良（分析师）

证书编号：S0790523060004

何申昊（研究员）

证书编号：S0790122080094

陈威（研究员）

证书编号：S0790123070027

蒋韬（研究员）

证书编号：S0790123070037

金融工程专题

请务必参阅正文后面的信息披露和法律声明 2 / 18

1、开源金工特色遗传算法框架 .................................................................................................................................................... 4

1.1、算子的赋予：创造性引入切割算子.............................................................................................................................. 4

1.2、变量的遴选：大小单资金流、日内分钟特征、日间特征 .......................................................................................... 5

1.3、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

2.1、遗传算法优选综合因子表现优异 ................................................................................................................................. 6

2.2、沙里淘金：遵循“可解释”理念 ...................................................................................................................................... 7

3、因子 3的精细化讨论 ................................................................................................................................................................ 8

3.1、主动超大单强度效果不佳 ............................................................................................................................................. 8

3.2、 “小单强度”切割“主动超大单强度”敏感性分析 ............................................................................................................ 8

3.3、 “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

4.1、切割算子部分的讨论 ................................................................................................................................................... 11

4.2、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𝜆值下𝐸𝑋𝐿𝐴𝐶𝑇_ℎ𝑖𝑔ℎ(𝜆)和𝐸𝑋𝐿𝐴𝐶𝑇_𝑙𝑜𝑤(𝜆)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𝜆值下𝐸𝑋𝐿_ℎ𝑖𝑔ℎ(𝜆)和𝐸𝑋𝐿_𝑙𝑜𝑤(𝜆)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𝜆值下𝑉𝑀_ℎ𝑖𝑔ℎ(𝜆)和𝑉𝑀_𝑙𝑜𝑤(𝜆)的RankICIR 绩效 ............................................................................................... 12

图13： 𝑉𝑀_𝑑𝑖𝑓𝑓因子多空收益波动比为 2.83 ............................................................................................................................ 13

图14： 𝑉𝑀_𝑑𝑖𝑓𝑓因子 5分组年化收益单调 ................................................................................................................................ 13

图15：在多空 IR 值上𝑉𝑀_𝑑𝑖𝑓𝑓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

1Z0VoRoOrPpOsPmNzQoNpN6M8Q8OtRnNoMtPjMqQrMjMtRpR8OrQnNwMmNzRNZrNoO

金融工程专题

请务必参阅正文后面的信息披露和法律声明 3 / 18

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

研报加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载研报到电脑，查找使用更方便

立即下载

摘要：

金融工程专题请务必参阅正文后面的信息披露和法律声明1/182023年08月06日《因子切割论—市场微观结构研究系列（10）》-2020.9.16《A股反转之力的微观来源—市场微观结构研究系列（1）》-2019.12.23遗传算法赋能交易行为因子——市场微观结构研究系列（20）魏建榕（分析师）盛少成（分析师）weijianrong@kysec.cn证书编号：S0790519120001shengshaocheng@kysec.cn证书编号：S0790523060003开源金工特色遗传算法简介在算子部分，我们引入了4大类算子，第一大类为横截面算子，其中除了较为常见的基本运算符，我们考虑了“回归算...

展开>> 收起<<

20230806-开源证券-市场微观结构研究系列（20）：遗传算法赋能交易行为因子.pdf

共18页,预览6页

还剩页未读，继续阅读