年化167%，夏普比大于7：基于gplearn的股指期货的高频因子挖掘

01 背景说明

今天讲讲遗传算法，之前提过几次，写过一些demo，但不系统。

这一周打算系统的谈一谈，做一个系列。

我们应用场景是期货，与本月咱们星球的目标（vnpy等开源框架的源码解读和整合）一致。

自动挖因子，大家第一个想到的框架应该就是gplearn。gplearn是基于遗传算法，基于数据生成符号表达，所以，可以应用于因子的自动化挖掘上。

传统量化里的均线，OBV，KDJ之类的技术分析，也是一种因子，它们主要是基于“经验”。优点是有成熟的计算包，比如talib，计算量不大，一般有直观的解释，规则容易构造。

缺点就是，规则如果不适用了，如何优化呢？以及多个规则如何有效融合呢？再者，如何把前沿机器学习技术应用起来，尤其是非线性的统计能力，传统的技术分析是做不到的。

当然，存在即合理，技术分析历经几百年，证明其生命力，我们会考虑整合，融合，取其精华。

  02 遗传算法挖因子

基于已有数据随机生成新的因子，随后运用适应度函数剔除表现不好的因子，最终进化出具有较好投资效果的因子。

遗传规划中的复制、交叉、变异三种方法，可以对已有数据（父代）
通过函数运算进行组合，进而生成新的因子（子代）。在这之后，对于新生成的因子投资效果进行测试，并依据测试结果筛选因子作为下一次迭代的父代。依次进行循环，
以最终找到具有理想投资效果的因子。

例如，假设有因子 𝑋0 和 𝑋1，我们需要基于这两个因子找到一个有效的因子 𝑦，该
因子可能的形式是：𝑦 = 𝑋2
0
− 3 × 𝑋1 + 0.5

表示为 S-expression 为：𝑦 = (+(−(×(𝑋0𝑋0
)(×3𝑋1
))0.5)

与我们的强化学习里的“逆波兰表达式”端到端因子挖掘框架：DeepAlphaGen V1.0代码发布，支持最新版本qlib有异曲同工的用处。

一个表达式，符号，常数以及特征，本质是一棵“二叉树”。

03  代码实证

实证基于 1 分钟级 IC 股指期货数据。（大家可以自行换成自己的数据）

取 2019 年 11 月 4 日至 2022 年 11 月 1 日共三年数据。

其中 2019 年 11 月
4 日至 2021 年 10 月 29 日为训练集，

2021 年 11 月 1 日至 2022 年 11 月 1 日为测试集。

我们的优化目标是“卡玛比率”：

def score_func_basic(y, y_pred, sample_weight):  # 因子评价指标
    try:
        _ = bt.run_(factor=y_pred)
        factor_ret = _['annualized_mean']/_['max_drawdown'] if _['max_drawdown'] != 0 else 0 # 可以把max_drawdown换成annualized_std
    except:
        factor_ret = 0
    return factor_ret

回测结果：

这里需要检视一下问题，但初步验证的因子挖掘的有效性。