【ML】用遗传规划进行因子挖掘

【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。