单因子年化23.7%，基于deap的因子挖掘，我改进了fitness和metrics方案（附python代码和数据）

我们目前投入使用的因子挖掘，基于两个框架，deap和gplearn，deap做一点点改动，就可以完美应用于多标的截面因子挖掘。而gplearn如果要支持三维数据，则需要很多改动，但gplearn的优点是代码读起来很顺畅。

——也许我会考虑把gplearn应用于单标的，比如CTA的时序因子挖掘。

从结果来看，传统研报里说的IC分析，其实不科学。IC就是因子与收益率的平均相关系数。这个相关系数只能说，可能说能解释一部分，有一定的关系，但关系是什么？如果你把时间分成两段来看，有可能前半段正相关，后半段负相关，然后一平均，看起来这个值还可以。

数据说话，我用全球大类资产，使用咱们quantlab的deap框架挖掘出来的。

直接使用单因子回测来挖掘因子——metrics为年化收益和卡玛比率：

直接回测看收益表现：

这个因子是：‘sqrt(log(ts_delta(volume, 20)))’

再来一个因子：rank(sqrt(volume))——成交额的截面排序因子。

这部分代码在:

更新后的回测函数：

def backtester(self,evaluate, inds):
    names, features = [], []
    for i, expr in enumerate(inds):
        names.append(f'GP_{i:04d}')
        features.append(stringify_for_sympy(expr))

    features = [f.lower() for f in features]
    df = CSVDataloader.calc_expr(self.df.copy(deep=True), fields=features, names=names)
    # df.set_index([df['symbol'], df.index], inplace=True)

    import bt
    from bt_algos_extend import SelectTopK
    close = CSVDataloader.get_col_df(df, 'close')
    all = []

    for f in names:
        if f in df.columns:
            signal = CSVDataloader.get_col_df(df, f)

            for K in [1]:
                s = bt.Strategy('{}'.format(f), [
                    bt.algos.RunWeekly(),
                    SelectTopK(signal, K),
                    bt.algos.WeighEqually(),
                    bt.algos.Rebalance()])
                all.append(s)

    stras = [bt.Backtest(s, close) for s in all]
    res = bt.run(*stras)
    stats = res.stats
    print(stats.loc['cagr'])

    results = []
    for name in names:
        if name not in df.columns:
            results.append((0,0))
        else:
            results.append((stats.loc['cagr'][name],stats.loc['calmar'][name]))
    return results