Alpha Hunter —— 自研因子挖掘引擎

"我们不制造因子，我们只是市场的狩猎者。"

Alpha Hunter 是一个基于遗传编程（Genetic Programming）的因子挖掘框架，专为量化投研设计。它通过进化算法自动搜索高预测力、高稳定性的价量因子，并提供灵活的筛选与变异控制，支持从原始数据到候选因子池的全流程自动化。

核心特性

• 纯符号回归：无常数硬编码，避免过拟合
• 多目标筛选：同时考量 IC（信息系数）和 ICIR（信息比率），支持加权排序
• 自适应变异：可分别控制整体变异率和节点变异率，精细调节搜索方向
• 模块化设计：核心参数可配置，方便嵌入各种量化投研流程

---

安装与依赖

环境要求

• Python 3.8+
• 推荐 Linux / macOS（Windows 也支持，多进程建议使用 spawn 模式）

依赖库

pip install numpy pandas scikit-learn

克隆项目

git clone https://github.com/your-username/AlphaHunter.git
cd AlphaHunter

---

数据格式

Alpha Hunter 期望输入的数据格式为面板数据（Panel Data），即包含多个股票在多个交易日的观察值。你需要准备以下三个对齐的数组：

变量	形状	说明
X	(n_samples, n_features)	特征矩阵，每列代表一个基础因子（如 ret_1, amp, vol_ratio 等）
Y	(n_samples,)	目标变量，通常为未来 N 日的收益率（如 ret_future_5d）
dates	(n_samples,)	日期数组，用于横截面分组计算 IC

注意：X, Y, dates 的行顺序必须一一对应，且不能打乱。

示例（从 DataFrame 构造）

import pandas as pd
import numpy as np

df = pd.read_csv('your_data.csv')
# 假设 df 包含: date, stock_code, feature1, feature2, ..., target
X = df[['feature1', 'feature2', 'feature3']].values
Y = df['target'].values
dates = df['date'].values

---

快速开始

基础用法

from alpha_hunter import AlphaHunter

# 1. 实例化引擎
hunter = AlphaHunter(
    gen=10,
    population_size=320,
    min_len=3,
    max_len=5,
    IC_limit=0.03,
    ICIR_limit=0.7,
    top_k=0.1,
    IC_ICIR_weight=0.6,
    mutate_rate=0.5,
    mutate_point_rate=0.3
)

# 2. 准备数据（假设 X, Y, dates 已定义）
# X: (n_samples, n_features), Y: (n_samples,), dates: (n_samples,)

# 3. 运行挖掘（自动进行多代进化）
factor_pool = hunter.fit(X, Y, dates)

# 4. 查看结果
print(f"共挖掘到 {len(factor_pool)} 个有效因子")
for formula, metrics in factor_pool.items():
    print(f"{formula}: IC={metrics['ic_mean']:.4f}, ICIR={metrics['icir']:.2f}")

输出格式

fit 方法返回一个字典，键为公式字符串（如 neg(mul(X2,X1))），值为包含以下字段的字典：

字段	类型	说明
ic_mean	float	样本内平均 IC
ic_std	float	IC 标准差
icir	float	ICIR（IC均值 / IC标准差）
n_days	int	有效交易日数

---

核心参数说明

参数	类型	默认值	说明
gen	int	10	进化代数
population_size	int	320	每代种群个体数
min_len	int	2	公式最小节点数（至少为1）
max_len	int	6	公式最大节点数（至少为2）
IC_limit	float	0.02	保留因子的最低 IC 阈值
ICIR_limit	float	0.5	保留因子的最低 ICIR 阈值
top_k	float	0.1	每代保留的精英比例（前 k% 不参与变异）
IC_ICIR_weight	float	0.7	排序时 IC 与 ICIR 的权重（0~1）
mutate_rate	float	0.4	个体发生变异的概率（整体探索强度）
mutate_point_rate	float	0.3	变异个体中每个节点被替换的概率

提示：初期探索可提高 mutate_rate 和 mutate_point_rate，后期收敛时降低。

---

特征说明

引擎预设了 4 个基础特征，用户可自行扩展：

特征	符号	计算方式	含义
昨日收益率	X0	close / close.shift(1) - 1	短期动量
振幅	X1	(high - low) / close	日内波动
量比	X2	volume / MA(volume, 5)	相对成交量
日内强度	X3	close / open - 1	日内多空力量

---

运算符池

类型	运算符	说明
二元	add, sub, mul, div	四则运算
一元	neg, inv, log, sqrt, square	非线性变换

注意：所有一元运算符均内置数值保护（如 log 取绝对值，div 防除零），确保评估过程不产生 NaN 或 inf。

---

内置过滤器（免疫系统）

引擎在生成阶段会自动拦截以下垃圾结构：

拦截类型	示例	原因
定义域错误	log(neg(X)), sqrt(neg(X))	数学未定义
代数抵消	add(neg(X), X), sub(X, X)	恒为常数
双重否定	neg(neg(X)), inv(inv(X))	等价于原特征
逆运算抵消	div(mul(X,Y), Y)	等价于 X
连续压缩	log(log(log(X)))	方差趋近于零

---

功能矩阵

功能	状态	说明
公式随机生成	✅	长度可控，无常数硬编码
公式解析	✅	字符串 → 嵌套元组树
公式计算	✅	递归树解析 + numpy 向量化运算
IC / ICIR 评估	✅	横截面分组，日频聚合
基础过滤器	✅	拦截 log(neg)、add(neg(X),X) 等毒瘤
精英保留机制	✅	top_k 比例个体不参与变异
完整进化循环	✅	选择 → 变异 → 评估 → 筛选 → 补充
自适应变异	✅	分别控制 mutate_rate 和 mutate_point_rate
多目标加权排序	✅	IC 与 ICIR 按权重组合评分
多进程并行	🔄	规划中，当前为单进程
验证集自动回测	🔄	规划中
因子聚类去重	🔄	规划中

---

成果展示

以下为使用 Alpha Hunter 在 A 股全市场（2010-2025）上运行 3 代所挖掘出的实际表现（筛选条件：IC ≥ 0.04，ICIR ≥ 0.7）：

挖掘集表现（2010-2019）

IC平均数: 0.0527
ICIR平均数: 0.8735
有效因子数: 23

验证集表现（2020-2025）

IC平均数: 0.0438
ICIR平均数: 0.6762

验证集 IC 衰减约 17%，属于正常范围，说明引擎挖掘出的因子具有真实的预测能力，而非过拟合产物。

挖掘到的部分有效因子（IC ≥ 0.04, ICIR ≥ 0.7）

公式	IC	ICIR	逻辑解读
mul(sub(X1, X2), X1)	0.0636	0.86	(振幅 - 量比) × 振幅，识别无效波动
neg(sub(square(X2), X0))	0.0590	1.04	量比平方减去收益率后取反，捕捉极端放量反转
mul(sub(X0, X2), X2)	0.0585	1.04	(收益 - 量比) × 量比，缩量上涨信号放大
mul(neg(X2), X2)	0.0596	1.04	量比平方取反
neg(mul(X2, X1))	0.0610	0.81	量比与振幅乘积取反，反向惩罚活跃股

---

Roadmap

• 多进程并行评估：利用多核 CPU 加速
• 验证集自动回测：挖掘集 / 验证集 IC 对比报告
• 因子聚类与去重：剔除高度相关的近亲因子
• 自定义特征池：用户可扩展基础特征
• 神经网络集成：用挖掘出的因子训练 NN

---

贡献

Alpha Hunter 是一个个人项目，欢迎任何形式的建议、Issue 和 PR。作者将会长期维护该项目

许可证

MIT License

联系

"静候花开，Alpha 终将降临。"