量化研究 · 第 8 章 因子挖掘新范式

量化研究 · 第 8 章 因子挖掘新范式

章节摘要:本章讲因子生产方式的进化——从「人手工想因子」到「机器自动挖因子」。前三块按华泰 AI 系列的挖掘脉络:遗传规划(AI 21/23/26)用进化算法自动生成因子公式;神经网络因子挖掘(AlphaNet 思想的延伸)让网络自动学特征组合;第四块讲新兴的 LLM 因子挖掘(RD-Agent、AlphaAgent 等),用大语言模型生成与解释因子。最后盘点因子挖掘的工具链。本章共 4 节,前置依赖为「第 2、5 章」。

学习目标

阅读完本章,你应当能够:

1. 理解遗传规划如何自动演化因子公式(华泰 AI 21/23)。
2. 说清遗传规划在 CTA 信号挖掘的应用(华泰 AI 26)。
3. 理解神经网络因子挖掘相对人工因子的优势。
4. 了解 LLM 因子挖掘(RD-Agent/AlphaAgent)的新范式与工具链。

核心概念速览

因子挖掘的进化:人手→遗传规划→神经网络→LLM,自动化程度越来越高。

子章节导航

01 遗传规划自动因子挖掘

华泰 AI 21,23;进化算法、公式树、交叉变异、适应度。

02 遗传规划在 CTA 信号挖掘

华泰 AI 26;把遗传规划用于 CTA 交易信号。

03 神经网络因子挖掘

AlphaNet 思想延伸;让网络自动学特征组合,对比人工因子。

04 LLM 因子挖掘与工具链

RD-Agent、AlphaAgent、alpha-gfn;LLM 生成因子+代码+回测的闭环;工具链盘点。

子章节之间的逻辑关系

本章第 01 节(遗传规划) ──► 第 02 节(CTA 应用) ──► 第 03 节(神经网络) ──► 第 04 节(LLM)
   │
   ▼
下一章(第 9 章 投资组合优化与风控)
​

前置知识与后续延伸

前置知识:

• 第 2 章(因子)
• 第 5 章(神经网络)

后续延伸:

• 挖掘出的因子需经第 9 章组合优化才能落地
• 自动挖掘加剧过拟合风险,务必配合时序交叉验证