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）

原创文章第626篇，专注“AI量化投资、世界运行的规律、个人成长与财富自由"。

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

后续我们再扩展更多算子，talib的函数来提升因子挖掘效果。

吾日三省吾身

人生是旷野，而不是轨道。

时间一路向前，但人生并不是一条既定的轨道——你永远有的选。

这是上次我同一个创业的朋友说起的话题。

我的建议是，如果你是因为看好这个事情，那就坚持，但如果是因为没有选择，那就需要重新思考。人生永远有的选，至少你可以提前开始准备。

我们当下的状态，位置，是三年前或者五年前的认知、行动所决定的。

你不可能迅速改变它。

但你可以让三年、五年后的生活，如你所愿。

也许你要问，如此不确定的当下，计划都赶不上变化，大家又都说选择大于努力，那要做什么呢？

未来是一个开阔的旷野，你不必执着于某一个目标。

这里分享一个“人生设计课”里的“奥德赛计划”（《奥德赛》是古希腊诗人荷马的代表作，讲述了奥德修斯海上漂流的故事，作者借此隐喻人生如一场探险。）。

制定自己的三个五年计划，每个计划提出2-3个问题。

比如，当前的工作状态，继续往前走，这是一个最常规的计划（需要考虑如果环境有一些变动，如何应对，比如新的方向人工智能大模型——让AI发挥价值）。

比如计划2，你还可以加入量化私募公司，成为职业投资者（让AI在投资里发挥价值，当然不只是AI）。

计划3：成为自由作家（金融，财经，科技，成长），讲书人，独立研究者？——不是所谓自媒体那种，而是作品驱动，比如通过海量阅读，观察，思考，产出有价值的系列作品。

这就是旷野的逻辑，比如计划1里方向还可以有特别多，但这就算一种计划。

也许都不容易，但你会让自己感觉永远有的选，而且看起来差异很大，人就是这么有弹性，你能做的事情，比你想象中要多得多。

早上有同学问，关于续期的事情（提前90天有福利）：

历史文章：

自研“因子流水线”之遗传算法的交叉与变异的python代码实现

AI量化实验室——2024量化投资的星辰大海