20220506-东证期货-衍生品量化择时系列专题（七）_基于遗传规划的期货因子挖掘_27页_3mb

衍生品量化择时系列专题（七）：基于遗传规划的期货因子挖掘总结

核心内容概述

本报告探讨了如何将遗传规划（Genetic Programming）与基本面量化相结合，用于挖掘具有强交易信号的期货基本面因子。通过不同降维方法对基本面数据进行处理，再利用遗传规划模型进行因子演化，旨在提升因子的预测能力和稳定性。报告重点分析了铝和原油的遗传规划结果，并对其他期货品种进行了简要评估。

主要观点

• 遗传规划的适用性：遗传规划作为一种启发式公式演化技术，适用于特征工程，尤其在金融领域能有效生成交易因子。
• 基本面因子的重要性：相较于价量因子，基本面因子能提供更全面的期货价格预测信息，因此在量化CTA领域具有研究价值。
• 降维的作用：对基本面数据进行降维可以提升因子的解释力和稳定性，同时减少模型复杂度。
• 夏普值作为适应度函数：采用夏普值衡量因子表现，因其更能反映策略的稳定性和风险调整后收益。
• 遗传规划的局限性：虽然遗传规划能提升因子表现，但存在过拟合风险，需通过样本外回测验证其有效性。
• 模型迭代的不确定性：因子表现可能随着演化次数增加而提升，也可能出现下降，因此需要评估不同降维方法对模型的影响。

关键信息

1. 模型构建

• 采用降维后的基本面因子作为初始种群。
• 以夏普值作为适应度函数，进行4次演化迭代。
• 使用OLS（普通最小二乘法）进行滚动回归预测，避免未来数据偏倚。

2. 降维方法

• PCA：线性降维，保留最大方差信息，适用于线性数据。
• KPCA：非线性降维，通过核函数将数据映射到高维空间，再进行线性降维。
• LLE：保持局部线性结构，适用于流形数据，表现优于其他方法。
• LDA：监督降维，保留类间差异，适用于有类别输出的数据。
• MDS：保持相似性，适用于非线性数据，但提升有限。
• Isomap：非线性流形学习，效果略逊于LLE。

3. 回测与数据处理

• 所有数据转换为日频，进行Z-score标准化处理。
• 异常值处理：去除偏离均值3个标准差的数据。
• 移仓换月处理：避免展期影响。
• 周期性影响处理：通过环比、同比等方式消除周期性。

模型结果

铝的遗传规划结果

• 单因子夏普值集中于[1.06,1.16]，极少数因子夏普值超过1.31。
• LLE降维后，因子夏普值提升至[0.90,1.43]，其中表现最好的因子夏普值为1.43。
• 经过4次遗传规划迭代后，最优因子夏普值从1.43提升至1.55。
• 样本外回测夏普值为0.87，表明因子具有一定的预测能力。

原油的遗传规划结果

• 单因子夏普值集中于[1.0,1.5]，极少数因子夏普值超过1.5。
• LLE降维后，因子夏普值范围为[0.03,1.96]，其中表现最好的因子夏普值为1.96。
• 经过4次遗传规划迭代后，最优因子夏普值从1.96提升至2.12。
• 样本外回测夏普值为1.28，表明因子在实际应用中仍有效。

其他品种

• 镍：遗传规划未显著提升因子表现，最优夏普值为0.75。
• 锡：遗传规划未显著提升因子表现，最优夏普值为1.05。
• 锌：遗传规划未显著提升因子表现，最优夏普值为0.77。
• LPG：遗传规划提升了因子表现，最优夏普值为1.69。
• 沥青、PTA、PVC、硅铁、豆粕、豆油、棕榈油：均通过遗传规划演化得到了表现更好的因子，但提升幅度因品种而异。

风险提示

• 遗传规划生成的因子具有不可解释性，可能在样本外失效。
• 市场风格切换可能导致因子有效性下降。
• 模型可能存在过拟合风险，需谨慎评估。

总结

• 遗传规划结合基本面数据，在铝和原油等品种上表现显著。
• LLE在降维方面效果最佳，其他方法如PCA、Isomap也有一定提升。
• 模型迭代次数对因子表现有重要影响，需控制迭代次数以避免过拟合。
• 基本面因子在量化CTA领域具有较大潜力，但仍需进一步研究其稳健性和可解释性。