【ML】用遗传规划进行因子挖掘
原创 Yud. 2AMquant 2024-04-02 07:30 广东
本文使用deap pkg进行基于遗传算法的因子挖掘。并对代码进行部分修改。
自定义了多个算子如下，同样包括时间序列相关的算子：
| winsorize(x) | kurtdev(df,window) |
| if_then_else(condition, out1, out2) | ts_zscore(df,window) |
| ts_sum(df, window=10) | ts_mad(df,window) |
| sma(df, window=10) | max_item(x,y) |
| stddev(df, window=10) | min_item(x,y) |
| correlation(x, y, window=10) | negative(x) |
| add(x,y) | minmaxscale(df,window) |
| sub(x,y) | normscale(df,window) |
| mul(x,y) | decay_linear(x,window) |
| div(x,y) | covariance(x, y, window=10) |
| power(x,constant = 2) | ts_rank(x, window=10) |
| log(x) | ts_min(df, window=10) |
| abs(x) | ts_max(df, window=10) |
| sign_(x) | delta(df, window=1) |
| inv_(x) | ts_argmax(x, window=10) |
| sqrt(x) | ts_argmin(x, window=10) |
| sigmiod_(x) | ts_coef(x,window) |
| ts_prod(x,window = 10) | ts_intercept(x,window) |
| ts_range(df,window =10) | ema(x,window) |
| ts_median(x0,window = 10) | sin(x) |
| delay(df,window = 10) | cos(x) |
| ts_percent(df,window = 10) | tan(x) |
| ts_pct(df,window) | ts_r_avg(df,window) |
| skewdev(df,window) | signpower(x,constant) |
根据所需因子的结果预期，定义编码方式、变异规则、适应度需求。使用表达式树PrimitiveTree定义（编码）个体，在集合PrimitiveSet中定义个体所涉及的上述算子。在变异规则上限制复杂度/树的深度。
对于时间序列算子，为了使因子更具备解释意义，移动窗口的选择范围是（5，10，22），分别代表的时间区间是周，两周，一月。
为保证量纲一致，每个挖掘出的因子都会先进行zscore处理，随后根据优化目标进行遗传优化。（优化问题中其实也可以使用多目标优化，但想到各优化目标之间的配比权重其实也是个优化目标。综合考虑后暂时采用单一目标。）
实验过程结果展示如下：
（以夏普为优化目标）
（以IC为优化目标）
将上述因子进行因子检测，筛选出alpha因子。使用最高分组收益率作为因子收益计算绩效指标，并使用换手率评估交易成本。
以IC为优化目标的结果之一：
decay_linear_10(ts_mad_22(TURNOVER))
| 样本内 | 样本外（半年） | |
| 年化收益 | 19.58% | 15.61% |
| 年化波动率 | 17.05% | 11.43% |
| 夏普 | 1.1486 | 1.3652 |
| IC | 0.0419 | 0.0432 |
| IR | 0.2730 | 0.2833 |
| 换手率 | 0.1409 | 0.1496 |
| 走势 |
| |
综上，使用GP挖掘因子可以拓展思维，引入非线性运算，实现归纳演绎。
经过观察挖掘出来的因子，大多跟股票的成交情况有关，而差分、截距、斜率时间序列相关的算子被应用的较多，或者进行了类似2/3阶导的操作，捕捉成交（高维度）变化的信号。
可为人工挖掘因子提供灵感，或者定义新的算子。
