量化因子掘金系列專題報(bào)告：OpenFE驅(qū)動(dòng)下的多因子融合實(shí)戰(zhàn).pdf

量化因子掘金系列專題報(bào)告：OpenFE驅(qū)動(dòng)下的多因子融合實(shí)戰(zhàn)。研究要旨：本研究運(yùn)用 OpenFE 自動(dòng)特征生成算法，搭建因子挖掘工作流。通過最大化夏普合成，獲得最終的選股因子，并根據(jù)因子值分組構(gòu)建組合。該框架融合了基本面、量價(jià)和 191 Alphas 等三個(gè)不同域的特征，經(jīng)過該框架生成增強(qiáng)型因子、含交互項(xiàng)的因子和最終的合成因子。本文對(duì)這些因子進(jìn)行了回測，分析和應(yīng)用，并對(duì)比分析不同的因子合成方法在此場景下的效果差異。

組合效果：在 A 股選股場景中，OpenFE 生成的合成因子組合年化收益率 24.8%，年化超額 24.5%，夏普 1.66，勝率 58.6%，周勝率 60.8%，盈虧比 1.34。且回撤控制優(yōu)異，最大回撤 36.4%小于基準(zhǔn)，最大回撤持續(xù)約 1 個(gè)自然月，驗(yàn)證了其收益與風(fēng)控的平衡。

策略特點(diǎn)：這些組合過擬合程度低，通過嚴(yán)格篩選和因子處理，降低數(shù)據(jù)中的噪聲干擾，魯棒性好。模塊應(yīng)用更便捷，運(yùn)行過程更高效。調(diào)倉頻率為周度，一定程度減少了交易損耗。回撤控制優(yōu)異，回撤修復(fù)較快。

因子對(duì)比：191 Alphas 和傳統(tǒng)基本面和量價(jià)因子的凈值分布均為非正態(tài)，從統(tǒng)計(jì)上看均有右偏傾向，個(gè)別因子表現(xiàn)可以非常好。在不依賴正態(tài)性的檢驗(yàn)中，兩類因子的方差和中位數(shù)并無顯著差異，在較寬泛條件的 t 檢驗(yàn)中，兩類因子的均值也無顯著差異。從總體上，不能說 191 Alphas 顯著更強(qiáng)。但在不同時(shí)域和選股域上可能會(huì)存在個(gè)體差異。這些因子都有不同的適用場景和頻率。

多域融合：深度聚焦于基本面、量價(jià)以及 191 Alphas 這三個(gè)不同域的特征融合。通過 OpenFE 的特征生成方法，不僅生成增強(qiáng)型因子，而且挖掘出包含不同域之間交互項(xiàng)的因子，充分挖掘各域因子的獨(dú)特優(yōu)勢(shì)與潛在關(guān)聯(lián)，實(shí)現(xiàn)多維度數(shù)據(jù)的有機(jī)整合，以此構(gòu)建出更具預(yù)測能力與市場適應(yīng)性的選股因子體系。