20260430-山西证券-因子挖掘框架_基于算子网格搜索_Numba加速的多维度评价体系_13页_1017kb

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。