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_18页_2mb

遗传算法在金融因子挖掘中的应用，是本次金融工程专题报告的核心主题。报告介绍了开源证券开发的特色遗传算法框架，包括四大类算子（横截面算子、时序算子、横截面和时序结合算子、逻辑判断算子），变量分为大小单资金流、日内分钟特征和日间特征，以及针对性的遗传算法流程改写，旨在高效挖掘蕴含alpha能力的因子。

算法挖掘出近200个有效因子，其中综合因子通过样本内RankICIR大于35的个体合成，表现优异，全区间RankICIR达552，年化收益率约28.33%，胜率高达85.09%。风险提示指出，模型基于历史数据，未来市场可能改变，影响性能。

关键因子包括：超大单关注度因子（RankICIR 288），在小单强度切割下解释行为金融学效应；交易情绪不稳定性因子（RankICIR -343），基于日内分钟特征改进传统振幅；主力控盘能力因子（RankICIR 282），反映交易情绪波动。部分因子在不同股票域表现稳健，与传统Barra因子相关性控制在20%以内，但存在可解释性挑战。

总体而言，遗传算法提供了可视化公式的因子挖掘，显著补充人工因子库，但依赖历史数据可能限制前瞻性。