機(jī)器學(xué)習(xí)選股系列研究之二：基于Dask計(jì)算圖的遺傳規(guī)劃高頻因子挖掘框架.pdf

機(jī)器學(xué)習(xí)選股系列研究之二：基于Dask計(jì)算圖的遺傳規(guī)劃高頻因子挖掘框架。遺傳規(guī)劃（Genetic Programming，GP）是更廣泛的進(jìn)化計(jì)算領(lǐng)域的一個(gè)子 領(lǐng)域，其根源可追溯至遺傳算法（Genetic Algorithm，GA）。然而，與主 要用于優(yōu)化參數(shù)的傳統(tǒng)遺傳算法不同，遺傳規(guī)劃旨在進(jìn)化出算式本身作為 問(wèn)題的解決方案。遺傳規(guī)劃的核心可以概括為“隨機(jī)性”和“方向性”的權(quán) 衡，算法既要保證種群往更好的方向進(jìn)化迭代，又要保證其種群的多樣性與 進(jìn)化的隨機(jī)性，防止陷入局部最優(yōu)解。 為實(shí)現(xiàn)日頻與分鐘頻數(shù)據(jù)混合輸入的高頻因子自動(dòng)化挖掘，本文基于遺傳 規(guī)劃庫(kù) gplearn 與分布式計(jì)算庫(kù) dask 進(jìn)行深度重構(gòu)，構(gòu)建了一套高效且硬 件友好的高頻因子挖掘框架。借助 dask 的分布式計(jì)算圖與惰性求值機(jī)制， 分鐘頻數(shù)據(jù)得以分塊存儲(chǔ)、按需加載，在突破內(nèi)存限制的同時(shí)，保持了高性 能計(jì)算，為混合頻率因子挖掘提供了堅(jiān)實(shí)的技術(shù)底座。 在框架優(yōu)化方面，通過(guò)將分鐘數(shù)據(jù)封裝為 dask array，使其以分塊形式高 效參與遺傳規(guī)劃迭代；基于 dask 算子對(duì)遺傳規(guī)劃分鐘頻算子進(jìn)行重構(gòu)，使 得因子表達(dá)式的執(zhí)行可映射為 dask 計(jì)算圖，進(jìn)而實(shí)現(xiàn)了高效的并行調(diào)度; 此外，通過(guò)擴(kuò)充算子庫(kù)、引入覆蓋度與多樣性控制機(jī)制、設(shè)計(jì)多元化適應(yīng)度 函數(shù)，有效提升了挖掘效率與因子多樣性，使算法更聚焦于增量信息的發(fā) 現(xiàn)。 基于上述框架，本文初步挖掘了 10 個(gè)低相關(guān)性的遺傳規(guī)劃因子。單因子 20 日 Rank IC最高達(dá) 8.91%，ICIR 達(dá)5.10，多空組合年化收益率最高為 19.13%， 信息比率達(dá) 2.26。將遺傳規(guī)劃因子與既有因子群等權(quán)合成后，合成因子 20 日 Rank IC 提升至 13.24%，ICIR 為 4.61，多空組合年化收益率達(dá) 38.41%， 信息比率達(dá) 2.40。