gplearn遗传算法应用于CTA因子挖掘：手把手教程（代码+数据下载）
gplearn系列：使用因子rank ic评估因子性能（代码+数据）
大家知道，原生的GPLearn并不适合挖掘因子，主要存在以下几个问题：
1、gplearn只支持单标的，在CTA策略单标的可以，但单标的下挖掘的因子，很容易过拟合。
2、内置的函数不适合金融量化因子，需要自己扩展。而且原生的扩展，不支持常数项，比如SMA(10)，这个10就是常数。
3、原生的fitness是ic和Rank IC，不支持夏普比或者卡玛比率这种。
4、而且网上能用的代码有限，版本鱼龙混杂，不成体系，或者文档不全。
5、传统的因子挖掘方法大多基于遗传规划（Genetic Programming）方法，这类方法具有收敛速度慢、超参数难以调优等局限；
网上的代码都是“暴改”之后的，且没有文档，demo未必能跑通。
我给大家跑通了一份，但是基于qlib的，与DeepAlpha同构，后续以这份代码为蓝本了。
大家直接pip install -r requirements.txt即可（python 3.8）
基于A股的qlib数据也会打包给大家，置于~/.qlib/qlib_data/cn_data_rolling目录下：
代码已经发布至星球：AI量化实验室——2024量化投资的星辰大海
1、支持GPLearn, DSO以及强化学习的版本。
2、数据目前的A股全量数据，qlib格式。
3、支持多支股票同时挖掘。
4、支持多因子联合评测。
原创文章第461篇，专注“AI量化投资、个人成长与财富自由”。
本周的重点是gplearn应用于CTA策略的因子挖掘，已经有两篇文章：
gplearn遗传算法应用于CTA因子挖掘：手把手教程（代码+数据下载）
gplearn系列：使用因子rank ic评估因子性能（代码+数据）
代码统一于本周五（明天）在星球更新，包括CTA回测框架、数据，因子挖掘等：AI量化实验室——2024量化投资的星辰大海
今天继续：
gpquant已经扩展了不少内容，我们可以拿过来用。
使用沪深300ETF的数据，很多同学问，股票行不行，其实咱们的代码和框架，你换成ETF，股票，期货或者加密货币，都差不多，我没有使用市场相关的东西。
import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
from sklearn.utils import *
from gpquant.SymbolicRegressor import SymbolicRegressor
from gplearn.genetic import SymbolicTransformer
from gplearn.functions import make_function
from config import DATA_DIR
from datafeed import CSVDataloader
loader = CSVDataloader(DATA_DIR.joinpath('etfs'), ['510300.SH'],start_date='20220101')
data = loader.load(names=['label'], fields=['shift(close,5)/close-1'])
data.dropna(inplace=True)
data.columns = [c.capitalize() for c in data.columns] print(data) feature_names = ['Open', 'High', 'Low', 'Close', 'Amount'] y_train = data['Label'] X_train = data[feature_names] from gplearn.functions import _function_map sr = SymbolicRegressor(population_size=2000, tournament_size=20, generations=3, stopping_criteria=0.01, p_crossover=0.7, p_subtree_mutate=0.1, p_hoist_mutate=0.1, p_point_mutate=0.05, init_depth=(6, 8), init_method='half and half', function_set=list(_function_map.keys()), variable_set=feature_names, const_range=(0, 1), ts_const_range=(0, 1), build_preference=[0.75, 0.75], #metric='annual return', metric='sharpe ratio', parsimony_coefficient=0.01) sr.fit(X_train, y_train) print(sr.best_estimator)
————Generation 1————
best estimator: div(max(div(sin(sqrt(inv(Amount))), sub(div(abs(High), sub(1, Open)), max(neg(0), max(0, Low)))), abs(tan(mul(abs(Open), sqrt(Close))))), mul(cos(log(add(inv(1), Close))), min(div(sub(sqrt(0), Open), neg(add(Open, Close))), neg(min(Low, add(1, Amount))))))
best fitness: 3.735121955881781
div(max(div(sin(sqrt(inv(Amount))), sub(div(abs(High), sub(1, Open)), max(neg(0), max(0, Low)))), abs(tan(mul(abs(Open), sqrt(Close))))), mul(cos(log(add(inv(1), Close))), min(div(sub(sqrt(0), Open), neg(add(Open, Close))), neg(min(Low, add(1, Amount))))))
样本内夏普3.73，还可以吧。
当然这个因子非常复杂了。
代码明天统一打包更新：
明天讲讲GPT-alpha:
吾日三省吾身
最近翻了一本小书：《种子：走出迷茫，找到人生和工作的意义》。
说是翻，基本就是上班路上就看完了。
因为这种书，着实不需要逐字逐句去读。
老外写书，特别喜欢把一个简单的道理，搁到一个复杂故事里去讲。他们是演绎思维，我们还得发心思再把它归纳出来。
这本书最后演绎的结论是于当下的工作和生活中找到意义。简言之，不要试去找所谓“有意义的工作”，而是在当下的工作中找到意义。
若是早年，看到这个结论，我会和评论区里多数同学一样，把书扔了。
但现在似乎读出了一点不一样的东西。
其实每件事情，事业，工作都是一个复杂体系，一定有你喜欢，热爱的，也有你不热爱的。
在学校时，没日没夜写代码，不求回报，没开心；但毕业去了大公司，拿着不错的回报，反而没有了这份热情。为什么？是突然不喜欢了吗？不是，喜欢的是那份自由，想学啥学啥，想用啥用啥，想如何设计架构就如何设计，然后看着自己写的代码运行起来那份成就感。。。但大厂有其规范，工程师为何后来戏称“码农”，因为你没有选择，就是把活干了。
所以说，你喜欢的，是一些“元素”，而不是某一种工作。任何工作中都有你喜欢的和不喜欢的。所以你觉得换工作就能解决问题是错的，而是你要从工作中发现你喜欢的，去拥抱它。
比如创业，更多的琐事，搞定人，搞定资本，而不是电视剧里关键节点的杀伐决断。你是否喜欢应付这种日常？
从这个角度想过去，AI量化反倒特别契合我。
满足对新技术的好奇，选择自己喜欢的技术栈，离市场近，不需要过多受制于人的因素。——“一人企业”特别契合我的理念。
至于意义嘛——把前沿技术转化为生产力，我们搞应用或者科普，落在量化上，只是目前找到有落地路径的一个场景；后续比如像大模型LLM, Sora等，如何能以“一人企业”的模式落地，我们依然会探索。
另外，个人特别喜欢“规则极简，内涵极丰富”的技术产品形态，比如围棋，规则可能两句话就说清楚了，但却是棋类里最难的。搜索，推荐，以及当下的ChatGPT问答。产品极简，但内在技术极丰富。
回到量化投资，它的内核就是因子，因子组合成策略。
这时我们仅需要专注因子挖掘，或者说因子的自动化挖掘就好。
历史文章：
gplearn遗传算法应用于CTA因子挖掘：手把手教程（代码+数据下载）
发布者：股市刺客，转载请注明出处：https://www.95sca.cn/archives/103518
站内所有文章皆来自网络转载或读者投稿，请勿用于商业用途。如有侵权、不妥之处，请联系站长并出示版权证明以便删除。敬请谅解！
