核心观点 - 报告构建了一套基于“算子+变量”网格搜索与Numba加速的因子挖掘框架，旨在从高维空间中系统性地挖掘Alpha信号[9] - 通过分层递进策略控制组合爆炸，并采用涵盖数据质量、信号稳定性、冗余控制与预测能力的四维评价体系进行因子筛选[2][3][19] - 筛选后的因子被划分为排序型、结构型、状态性三类，分别适用于构建多空组合、融入多因子模型及个股择时，提升了因子的稳定性与可解释性[3][26] 因子挖掘框架的构成 - **框架目标与数据基础**：为应对传统因子挖掘边际收益递减，框架旨在系统挖掘未被定价的Alpha信号，数据基础为2015年至2026年全部A股（剔除上市不满90日）的日频价、量、估值数据[9] - **核心方法**：采用“算子+变量”组合进行网格搜索，通过基础算子（如横截面排序rank、时序均值ts_mean）与原始变量组合，生成从线性到非线性的海量因子表达式[10] - **效率优化**：引入Numba即时编译技术对计算过程加速，实测复杂操作（如x^2+sin(x)）加速比达30倍以上（Numba 0.992秒 vs Pandas 124.391秒），使大规模搜索可行[15][16] - **控制组合爆炸**：采用分层递进搜索策略，每一层基于前一层优质因子进行新组合，依据IC、ICIR等指标择优进入下一层，兼顾覆盖广度与计算复杂度[14] 因子筛选 - **筛选体系**：构建了数据质量、信号稳定性、冗余控制、预测能力四个维度的多指标评价体系，对海量候选因子进行初筛[3][20] - **数据质量维度**：要求因子每年缺失率低于阈值、有效股票数量满足最低要求，并进行标准化处理以排除异常值[21] - **信号稳定性维度**：考察因子信号避免频繁反转、横截面排名数量不发生剧烈塌缩、相邻交易日分布直方图相似度达标、横截面标准差处于合理区间[22][23] - **冗余控制维度**：根据因子类型（Alpha/风格）设定差异化相关性阈值，如同类Alpha因子相关性控制更严，以维持因子库多样性[24] - **预测能力维度**：通过信息比率衡量预测能力，并考察IC序列在不同周期的衰减速度与方向一致性，确保因子预测的持久性与稳定性[25] 因子分类与分级应用 - **排序型因子**：在横截面上具备清晰单调性或明显收益趋势，可直接用于构建多空组合，示例因子显示第7-9组（对应市值约60亿元）收益显著优于第1-3组，且非小市值暴露[27][30][35] - **结构型因子**：存在显著结构性差异但预测方向不直接，示例因子显示中间组表现最好，两端（第1、10组）持续跑输，适合作为筛选条件剔除风险个股，融入多因子模型[36][40] - **状态性因子**：属于取值离散的时序因子，横截面排序意义有限，更适合用于个股择时，示例因子显示高因子组收益显著为正，低因子组偏向负区间，具备良好区分能力[41][42] 未来研究方向 - **扩充因子库**：通过增加挖掘层数、引入更多基本面指标，拓展因子来源的广度与深度[43] - **探索因子组合**：在现有因子基础上尝试多因子加权、行业中性化处理及风险模型优化，逐步形成可实盘验证的投资组合[43] - **引入大语言模型（LLM）**：利用LLM辅助生成新因子表达式、优化算子组合逻辑，并对因子经济含义进行解释性分析，提升挖掘效率与可解释性[43]