> **来源：[研报客](https://pc.yanbaoke.cn)** # 因子挖掘框架总结 ## 核心内容 本报告介绍了山西证券金工团队开发的**因子挖掘框架**，该框架基于“算子+变量”的高维组合方式，结合Numba加速技术，实现了对海量因子的系统性挖掘与筛选。框架旨在提升因子挖掘的效率与质量，确保最终保留的因子具备统计显著性、稳定性与可解释性，为后续多因子策略构建提供基础支撑。 ## 主要观点 ### 1.1 框架构成 - **变量池**：基于同花顺提供的2015年至2026年的日频数据，涵盖价格、成交量、估值等基础变量。 - **算子池**：包括横截面排序、时序变化、数学变换及逻辑运算符等，用于生成多样化的因子表达式。 - **分层递进策略**：通过逐层筛选优质因子，避免组合爆炸问题，确保因子空间的广泛覆盖与计算效率。 - **Numba加速**：采用即时编译技术，将Python数值循环转化为机器码，显著提升计算效率，实测加速比可达30倍以上。 ### 1.2 因子筛选体系 - **多维度评价体系**：从数据质量、信号稳定性、冗余控制、预测能力四个维度构建评价指标。 - **数据质量**：控制因子缺失率，确保数据连续性与有效性，进行标准化处理以减少异常值影响。 - **信号稳定性**：避免信号频繁反转、分布塌缩、标准差异常，确保因子在不同周期内表现稳定。 - **冗余控制**：设定不同因子类型的差异相关性阈值，避免因子库过拟合与冗余。 - **预测能力**：通过信息比率与IC衰减速度评估因子的预测能力，确保其在不同周期内方向一致。 ### 1.3 因子分类与应用 - **排序型因子**：具备清晰单调性与稳定IC，适用于构建多空组合。 - **结构型因子**：存在结构性差异但预测能力较弱，适合加权或筛选融入模型。 - **状态性因子**：时序因子，具备离散特性，适用于个股择时。 ## 关键信息 ### 因子初筛与分级 - 初筛因子通过多维评价体系剔除无效因子，确保留存因子具备统计基础。 - 二次检验中，因子被划分为三类：排序型、结构型、状态性，并分别展示其回测表现。 - 排序型因子在不同年份保持稳定超额收益，且市值分布中性，非小市值因子。 - 结构型因子表现最优组别集中在中间，具备排雷功能，适合组合优化。 - 状态性因子通过核密度曲线检验具备时序预测能力，能有效区分高/低收益股票。 ### 技术实现与性能对比 - Numba显著提升计算效率，尤其在复杂因子处理时，性能优势更加明显。 - 表1显示Numba在复杂操作中的运行速度远超Pandas，提升因子挖掘可行性。 ### 未来研究方向 - **因子库扩展**：增加挖掘层数与引入更多基本面指标，拓展因子来源广度与深度。 - **因子组合优化**：尝试多因子加权、行业中性化处理与风险模型优化，构建可实盘策略。 - **LLM辅助挖掘**：引入大语言模型进行语义理解与模式识别，提升因子生成效率与可解释性。 ## 风险提示 - **市场风险**：二级市场受政策与宏观经济影响，可能存在统计规律之外的走势。 - **模型失效风险**：模型构建、参数估计、假设条件等存在不确定性，可能导致预测偏离实际。 - **数据风险**：报告基于公开数据与历史信息，可能存在数据不完整或异常值影响。 ## 附录 - **图表目录**： - 图1：因子挖掘框架示意图 - 图2：排序型因子分组单位净值图 - 图3：排序型因子分组年化收益热力图 - 图4：排序型因子分组市值分布图 - 图5：结构型因子分组单位净值图 - 图6：状态性因子分组单位净值图 - **分析师信息**： - 分析师：黎鹏 - 执业登记编码：S0760523020001 - 邮箱：lipeng@sxzq.com - **研究助理信息**： - 研究助理：崔豪轩 - 邮箱：cuihaoxuan@sxzq.com - **山西证券研究所地址**： - 上海：上海市浦东新区滨江大道5159号陆家嘴滨江中心N5座3楼 - 太原：太原市府西街69号国贸中心A座28层 - 深圳：广东省深圳市南山区科苑南路2700号华润金融大厦23楼 - 北京：北京市丰台区金泽西路2号院1号楼丽泽平安金融中心A座25层 - 官网：http://www.i618.com.cn ## 免责声明 - 报告内容基于公开数据整理，结论基于历史信息与统计规律。 - 报告不构成投资建议，使用需谨慎。 - 山西证券对报告内容保留一切权利，未经授权不得复制、分发或使用。