以“因子挖掘”为核心，构建智能化多因子策略体系

本周原计划是要更新单标的的回测框架，在写了两个策略之后，我有了一些“新”的思考。

咱们星球一向追求：“形式极简，但内涵内丰富”的做法。

比如“模块化”，“积木式”的策略开发，咱们只需要丰富因子表达式的因子，然后写表达式规则就好，其余的算子都是准备好的，比如选股、调仓、轮动等等。

这就不必花时间在策略撰写和调试上。

但单标的的版本，写策略更加复杂，比如你写Dualthrust或者海龟策略，可以得用的地方不多。

时序策略 VS 截面策略

在时序策略和截面策略之间选择了时序策略，即在单一品种上进行择时交易。时序策略相对简单，直接使用量价数据，而截面策略需要处理更多类型的数据。

当然多因子框架下，时序策略和截图策略是很容易统一的。

因子策略 VS 规则型策略

所谓的规则型就是指基于某种规则，当达成某个规则就执行相应的交易；而因子型通过计算因子，当因子值达到不同的阈值时，执行相应的操作。但是策略核心逻辑其实是类似的，只是形式不同，两者之间可以在一定程度上相互转换。

规则型策略是因子策略的“特例”。

比如布林带上轨和下轨与收盘价的差值，就是两个因子，因子大于特定阈值时做多，小于特定阈值时做空。

只是因子一般会标准化为和0做比较。

对于规则型而言，策略都是趋近于一个固定好的单因子或多因子组合，且组合方式比较固化，后续调整牵一发而动全身。

因子型本身研发就遵循多因子框架，因子的增减、权重调节本身在策略构建流程中。包括非线性工具也可以很轻松运用上。

因子策略的执行

因子型策略的研发流程，包括因子挖掘、因子筛选、因子组合和策略构建。

在因子挖掘阶段，使用遗传算法（GPLearn）或者深度强化学习寻找规律，并设计了特定的fitness函数（不使用IC这样的相关性指标，而是使用夏普比这样的结果指标）来避免过拟合。

私募机构以因子挖掘为主构建策略的居多，这确实是未来和方向。

而且可以把大模型的能力也发挥出来。研报拆解：大语言模型LLM和多智能体(Multi-Agents)实现量价因子挖掘框架

吾日三省吾身

在VUCA时代，没有什么确定的东西。

因此，什么职业生涯规划，肯定是行不通的。

但人生就不需要方向了吗？

肯定不是。

就像贝索斯说拥抱未来十年不变的东西。

技术在进步，但用户核心的诉求不变。

比如投资里的大类资产配置，复利。

阅读，书中自有黄金屋。

当下可以做的事情，尽力做到最好；然后花20%的精力去尝试新东西，不断构建和延展人生的第二曲线。