【国信金工】价量类风险因子挖掘初探

国信张欣慰、杨怡玲 2026-05-23 置信度: high

综合质量 4 /5

新颖性 4 /5

可复现性 4 /5

核心内容

报告首先从IC均值、IC绝对值均值、IC胜率、因子衰减速度四维度定量区分alpha/风格/风险因子，定义风险因子为IC均值≈0、IC绝对值均值大、IC胜率≈50%、自相关高的因子。随后采用基因表达式规划(GEP)算法，以价量数据(开高低收量额等)为终结符、40+时序统计函数为函数符，设计特定目标函数挖掘价量风险因子，在2010-2015训练集上挖掘并去重得到115个因子。最后提出部分风险剥离方法改进alpha因子：对每个alpha因子，找出与其相关性最高的风险因子子集，进行部分回归残差化，而非全部中性化，以在保留alpha收益的同时提升选股稳健性。

经济逻辑

价量类风险因子代表市场中对收益有解释力但无固定预测方向的隐性风险维度。Alpha因子往往在这些风险维度上有未知暴露，导致阶段性失效。通过定量剥离与alpha因子最相关的部分价量风险暴露，可以减少alpha因子的隐性风格漂移，提升ICIR和胜率，同时避免过度中性化损失收益。风险因子IC均值≈0但|IC|均值大，说明其对截面收益有解释力但方向不稳定，适合作为风险控制变量而非收益预测变量。

超额收益逻辑

Alpha因子在价量风险维度上的隐含暴露是阶段性失效的来源。通过GEP挖掘的风险因子捕捉了未被传统Barra模型覆盖的价量风险维度(如特定价格形态、量价非线性交互等)。部分剥离这些风险暴露后，alpha因子的IC方向稳定性提升(胜率+7~18%)，ICIR提升(幅度+35%~+97%)，多头超额收益提升。组合层面，信息比从3.47→3.79说明单位风险的超额收益提升，回撤从4.62%→3.09%说明风险剥离有效降低了极端回撤。

构造细节 [factor]

因子定义

【风险因子定量定义】设因子f在月t的截面值为f_t，下月收益r_{t+1}，则：(1)RankIC_t=corr(rank(f_t),rank(r_{t+1})); (2)风险因子条件：|mean(IC)|<ε1且mean(|IC|)>ε2且45%<IC胜率<55%且自相关系数>0.9。【GEP目标函数】fitness=mean(|IC|)-λ*|mean(IC)|，其中λ为惩罚系数(推测λ≥5)，最大化|IC|均值同时惩罚IC均值偏离0。【GEP终结符集合】{open,close,high,low,vwap,volume,amount,return,常数c}等价量变量。【GEP函数符集合】40+个：算术(+,-,*,/)、时序统计(ts_mean,ts_std,ts_max,ts_min,ts_sum,ts_rank,ts_delta,ts_delay,ts_corr,ts_cov,ts_skew,ts_kurt)、截面(cs_rank,cs_zscore,cs_demean)、条件(if_else,sign,abs,log,exp)等。【基因组结构】head+h个基因位(含函数符和终结符)，tail=t个基因位(仅终结符)，t=h*(n_max-1)+1。【部分风险剥离改进】对alpha因子f_a，步骤：(1)计算f_a与115个风险因子的截面相关系数;(2)选取|ρ|>阈值的top-K个风险因子;(3)回归f_a=β0+β1*f_risk1+...+βK*f_riskK+ε;(4)改进因子f_a_new=f_a-γ*(β1*f_risk1+...+βK*f_riskK)，γ∈(0,1)为剥离比例，样本内网格搜索最优γ最大化ICIR。

处理流程

1.数据准备：获取全A股日频OHLCV+成交额，计算日收益率，月末截面取因子值
2.数据预处理：剔除ST/停牌/上市<60天，因子值截面winsorize(3σ)并标准化
3.GEP初始化：随机生成种群(推测500-2000个体)，每个个体为一个基因组表达式
4.适应度计算：每个个体(因子表达式)在训练集每月计算RankIC，fitness=mean(|IC|)-λ*|mean(IC)|
5.遗传进化：精英保留top10%，选择(锦标赛)→交叉→变异→插串，迭代(推测50-200代)
6.风险因子筛选：保留满足|mean(IC)|<ε1、mean(|IC|)>ε2、IC胜率∈[45%,55%]、自相关>0.9的因子
7.相关性去重：计算因子间截面相关矩阵，贪心剔除高相关因子，保留115个
8.Alpha因子改进：对反转/波动/换手因子，找top-K相关风险因子，部分回归残差化(γ网格搜索)
9.样本外验证：2016-2022.5验证改进因子IC/ICIR/胜率/多头超额
10.组合应用：改进因子进入中证500增强模型，控制行业+Barra风险暴露

参数

数据输入

: (日频): (日频): (月频): (月频): (日频)

组合方式

改进后alpha因子替换原因子进入中证500指数增强组合，控制行业和风险因子暴露

绩效

-3.85(原-1.95)

反转因子改进后年化ICIR

-4.22(原-2.70)

波动因子改进后年化ICIR

-4.19(原-3.11)

换手因子改进后年化ICIR

17.04%(原15.81%)

中证500增强年化超额收益

3.09%(原4.62%)

中证500增强最大相对回撤

3.79(原3.47)

中证500增强信息比

基准: 中证500指数增强

回测期: 训练集2010-2015，样本外2016-2022.5

通过遗传规划挖掘115个价量风险因子，对反转、波动、换手等alpha因子进行部分价量风险剥离改进，样本外ICIR和IC胜率显著提升；改进后中证500增强组合年化超额从15.81%提升至17.04%，最大相对回撤从4.62%降至3.09%，信息比从3.47升至3.79。

收益归因

缺口: 未对组合超额收益进行Brinson或因子归因分解，仅比较改进前后因子IC及组合绩效指标

稳健性

子样本稳定性: 115个风险因子在2016-2022.5样本外持续体现风险因子特征(IC均值≈0,|IC|均值大,胜率≈50%)，说明GEP挖掘的风险因子非过拟合。改进后的alpha因子在大部分年份超额收益/回撤/信息比均有提升。

风格偏差: 改进方法通过部分剥离价量风险，降低了alpha因子对隐性价量风格的暴露，但具体风格暴露变化未详细披露。Lncap风格因子自相关0.99，MLEV风险因子自相关0.99，均高于alpha因子AOG的0.65。

样本外持续性强，风险因子特征稳定，alpha因子改进效果在多个维度(ICIR/胜率/多头超额/组合绩效)一致性提升，robustness较高。但GEP参数和剥离系数γ的敏感性分析未充分披露。

数据依赖

所需数据: 全A股日频OHLCV+成交额数据(2010-2022.5)，行业分类，市值数据，可从Wind/Tushare/聚源获取

可复现性: medium

数据为标准价量数据易获取，GEP算法框架清晰但具体参数(种群大小/进化代数/目标函数λ/剥离系数γ/去重阈值)未完全披露，需自行调参复现。附录提到40+函数符但未完整列出，复现需一定工程量。

新颖性评估 [新方法]

创新点：(1)首次系统化定义价量风险因子的定量标准(IC均值≈0,|IC|均值大,胜率≈50%);(2)将GEP从挖掘alpha因子扩展到挖掘风险因子，目标函数设计巧妙;(3)提出部分风险剥离而非全部中性化的改进方法，平衡收益与稳健性。属于方法创新+应用创新。

不足与缺陷

GEP关键参数未披露：种群大小、进化代数、交叉/变异/插串概率、头部长度h、目标函数中λ值
风险因子的筛选阈值ε1/ε2未明确给出，影响可复现性
部分剥离系数γ的最优化方法(网格搜索?交叉验证?)和最优值未披露
115个风险因子未列举具体表达式或代表性因子，无法验证其经济学含义
函数符集合附录未完整展示，仅提及40+个但具体定义不明
未对组合超额收益做Brinson或因子归因分解，无法确认改进来源
未讨论GEP过拟合风险：训练集6年挖掘115因子，样本外仅验证IC特征而非直接回测
部分剥离后alpha因子IC均值有升有降(反转-0.055→-0.071升,波动-0.095→-0.072降,换手-0.096→-0.083降)，说明剥离机制对收益预测能力的影响方向不统一，理论解释不足
未与Barra已有价量风险因子(动量/流动性/波动)做对比，无法确认增量信息

可复用元素

风险因子的四维定量定义框架(IC均值/|IC|均值/IC胜率/衰减速度)可直接用于因子分类
GEP目标函数设计fitness=mean(|IC|)-λ*|mean(IC)|有启发性，可迁移到其他因子挖掘场景
部分剥离方法(γ∈(0,1))比全部中性化更灵活，可推广到其他风险控制场景
Alpha/风格/风险因子对比表(AOG vs Lncap vs MLEV)提供了因子分类的benchmark案例

启发

将风险因子挖掘目标函数推广到多目标优化：同时约束IC均值→0、ICIR→0、|IC|均值→max、因子换手→低
风险因子不仅可用于改进alpha因子，还可直接用于风险预算组合构建或因子择时
部分剥离方法可推广为自适应剥离：根据市场状态动态调整γ(牛市少剥离保收益，熊市多剥离控风险)
GEP挖掘的风险因子可作为Barra模型的补充风险因子，构建更完整的价量风险模型
可对115个风险因子做聚类/降维，提取少数几个核心价量风险维度

改进方向

用Autoencoder学习价量风险因子的隐含表示替代GEP

基于: GEP挖掘的115个因子可能存在信息冗余且缺乏经济学解释。用变分自编码器(VAE)对日频价量特征序列编码，在隐空间中约束解码因子的IC均值→0、|IC|均值→max，学习到低维连续的价量风险因子表示。预期收益: 减少因子数量(115→5-10个隐含维度)，提升可解释性，支持连续插值生成新风险因子，避免GEP的离散表达式搜索效率低问题

用强化学习替代GEP进行风险因子搜索

基于: GEP的随机进化搜索效率有限且易陷入局部最优。设计RL agent(PPO)，状态=当前因子表达式树，动作=添加/替换/删除算子，奖励=mean(|IC|)-λ*|mean(IC)|+多样性奖励，端到端学习最优因子构造策略。预期收益: 搜索效率提升，可利用历史搜索经验避免重复无效探索，理论上可发现GEP难以到达的复杂非线性因子结构

部分剥离方法升级为动态自适应剥离

基于: 报告用固定γ剥离，但不同市场环境下最优剥离比例不同。设计门控网络，输入市场状态指标(波动率/成交额/行业分散度)，输出每个时间点的γ_t，实现状态依赖的自适应风险剥离。预期收益: 在趋势市场中减少剥离保留收益，在震荡市场中增加剥离控制风险，预期进一步提升ICIR和降低回撤

复现计划

1.数据：获取全A股2010-2022.5日频OHLCV+成交额+行业+市值，月末截面;2.GEP实现：实现标准GEP框架(deap/gep库)，配置终结符={open,close,high,low,volume,amount,return}，函数符=40+常用时序/截面/算术算子，头部长度h=10,n_max=3→tail=21;3.目标函数：fitness=mean(|IC|)-5*|mean(IC)|，月频计算RankIC;4.GEP参数：种群1000,进化100代,精英10%,交叉0.7,变异0.1,插串0.1;5.筛选：|mean(IC)|<0.02,mean(|IC|)>0.08,IC胜率∈[45%,55%],自相关>0.9;6.去重：贪心去重|ρ|<0.5，保留115个;7.改进：对反转/波动/换手因子，选top-10相关风险因子，回归残差化γ∈{0.3,0.5,0.7}网格搜索最优ICIR;8.回测：月频换仓，中证500成分股内选股，控制行业+Barra暴露，比较改进前后IC/ICIR/组合绩效。