機器學習選股系列研究之二：基于Dask計算圖的遺傳規劃高頻因子挖掘框架.pdf

機器學習選股系列研究之二：基于Dask計算圖的遺傳規劃高頻因子挖掘框架。遺傳規劃（Genetic Programming，GP）是更廣泛的進化計算領域的一個子 領域，其根源可追溯至遺傳算法（Genetic Algorithm，GA）。然而，與主 要用于優化參數的傳統遺傳算法不同，遺傳規劃旨在進化出算式本身作為 問題的解決方案。遺傳規劃的核心可以概括為“隨機性”和“方向性”的權 衡，算法既要保證種群往更好的方向進化迭代，又要保證其種群的多樣性與 進化的隨機性，防止陷入局部最優解。 為實現日頻與分鐘頻數據混合輸入的高頻因子自動化挖掘，本文基于遺傳 規劃庫 gplearn 與分布式計算庫 dask 進行深度重構，構建了一套高效且硬 件友好的高頻因子挖掘框架。借助 dask 的分布式計算圖與惰性求值機制， 分鐘頻數據得以分塊存儲、按需加載，在突破內存限制的同時，保持了高性 能計算，為混合頻率因子挖掘提供了堅實的技術底座。 在框架優化方面，通過將分鐘數據封裝為 dask array，使其以分塊形式高 效參與遺傳規劃迭代；基于 dask 算子對遺傳規劃分鐘頻算子進行重構，使 得因子表達式的執行可映射為 dask 計算圖，進而實現了高效的并行調度; 此外，通過擴充算子庫、引入覆蓋度與多樣性控制機制、設計多元化適應度 函數，有效提升了挖掘效率與因子多樣性，使算法更聚焦于增量信息的發 現。 基于上述框架，本文初步挖掘了 10 個低相關性的遺傳規劃因子。單因子 20 日 Rank IC最高達 8.91%，ICIR 達5.10，多空組合年化收益率最高為 19.13%， 信息比率達 2.26。將遺傳規劃因子與既有因子群等權合成后，合成因子 20 日 Rank IC 提升至 13.24%，ICIR 為 4.61，多空組合年化收益率達 38.41%， 信息比率達 2.40。