深度学习揭秘系列之三：用DeepSeek优化价量因子

周金铭金融工程与金融产品分析师执业编号：S1500523050003联系电话：+86 18511558803邮箱：zhoujinming@cindasc.com 证券研究报告 金工研究 2025年03月21日 周金铭金融工程与金融产品分析师执业编号：S1500523050003联系电话：+8618511558803邮箱：zhoujinming@cindasc.com 在因子优化方面，多数因子经DeepSeek优化后预测能力提升显著。测试的Alpha158因子集中，75%的因子RankIC均值提升，50%的因子RankIC均值达1.2倍提升，35%的因子RankIC均值有1.5倍提升；ICIR指标同样向好，众多因子ICIR提升且多倍提升的因子数量可观。从不同窗口期数据看，优化后的因子表达式普适性强。以波动率因子std20为例，多次改进中引入平均真实波幅ATR概念、成交量加权机制、EMA双重平滑及四维波动极值捕捉等，虽部分改进使RankIC均值有波动，但整体提升了因子选股效果。不过，部分因子如Beta20、min20等受限于原始计算逻辑，在优化过程中未呈现显著提升，揭示传统因子改进存在理论天花板。 ➢在因子生成上，从零生成因子较难达到理想效果，然而，站在成功案例基础上生成因子，效果显著。若从零开始，20次迭代生成的因子具备一定逻辑，但预测效果一般，ICIR未达预期。若给予DeepSeek部分预测效果尚佳的因子表达式作为参考，例如Alpha158原始及优化因子表达式与对应的IC统计量，则能够在较少的迭代次数内，生成5个ICIR在0.8以上且与样例因子相关性低的新因子。其中第一个有效因子通过捕捉量价协同增强效应，第二个聚焦量价共振强度维度，展现出较好的选股能力。 ➢组合维度对比发现，将优化后的Alpha158因子及新生成因子线性结合，使用Lasso模型合成因子，能提升选股能力。全A数据中，原始因子、增强因子、原始+生成因子及最终合成因子的RankIC均值和多头超额收益逐次提升。落地到中证800指增组合，原始因子叠加优化与新生成因子得到的复合因子，月频RankIC均值从9.01%提升至10%，ICIR从0.93提升至1.01，多头超额年化收益从7.05%提升至7.92%，年化信息比从1.63增强至1.89。 ➢综上，本文引入DeepSeek模型，通过构建“优化-验证-再迭代”框架，贡献了因子优化与因子生成的新思路，实现了大语言AI模型对量化研究的赋能。 信达证券股份有限公司CINDASECURITIES CO.,LTD北京市西城区宣武门西大街甲127号金隅大厦B座邮编：100031 风险因素：结论基于历史数据，在市场环境转变时模型存在失效的风险。 目录 深度学习揭秘系列之三：用DeepSeek优化价量因子.....................................................................4一、Alpha158因子体系解析与优化框架..........................................................................................51.1、Qlib算子与Alpha158因子集概述...................................................................................51.2、动态交互框架：基于Prompt Engineering的因子优化流程设计...................................81.3、优化效果验证：RankIC的跨周期普适性与稳定性突破..............................................121.4、以波动率因子为例：洞察模型优化方向.......................................................................16二、从优化到创造：基于大语言模型的新因子生成范式.............................................................212.1、从零生成的困境：独立探索下的效率与效果瓶颈.......................................................212.2、案例驱动的突破：基于先验知识的低相关性因子挖掘...............................................24三、策略应用与组合绩效验证：复合因子在指增组合中的增益..................................................303.1、复合因子的收益增强：中证800中RankIC均值提升至11.03%................................303.2、指增组合的实战检验：月度800指增超额提升近1%.................................................34风险因素............................................................................................................................................37 表目录 表1：Alpha 158因子列表.................................................................................................................5表2：Qlib部分算子...........................................................................................................................7表3：原始因子与改进因子RankIC均值和ICIR..........................................................................12表4：不同因子类型下原始表达式与增强表达式RankIC均值...................................................15表5：Beta20原始因子与历次优化因子表达式及IC统计量.......................................................19表6：min20原始因子与历次优化因子表达式及IC统计量........................................................19表7：qtlu20原始因子与历次优化因子表达式及IC统计量........................................................19表8：历史模型生成的因子表达式与IC统计量...........................................................................22表9：从Alpha158生成的因子表达式与IC统计量......................................................................25表10：新因子与ICIR大于0.7的样例因子之间的相关性..........................................................27表11：新因子之间相关性...............................................................................................................27表12：原始合成因子与增强合成因子IC统计量.........................................................................30表13：原始合成因子与增强合成因子多头超额与收益波动比....................................................31表14：原始合成因子与原始+生成合成因子IC统计量...............................................................31表15：原始因子与原始+生成因子多头超额与收益波动比.........................................................32表16：各因子IC统计量.................................................................................................................32表17：各因子多头超额与收益波动比...........................................................................................33表18：原始因子与复合因子在中证800中IC统计量.................................................................34表19：原始因子多头组合收益波动绩效指标...............................................................................35表20：原始因子组合多头超额收益波动绩效指标.......................................................................35表21：复合因子多头组合收益波动绩效指标...............................................................................35表22：复合因子组合多头超额收益波动绩效指标.......................................................................35 图目录 图1：因子优化流程示意图...............................................................................................................9图2：std20原始因子与第一次改进因子累计RankIC..................................................................17图3：std20原始因子与第一次改进因子多头超额净值................................................................17图4：std20原始因子与第一二次改进因子累计RankIC..............................................................18图5：std20原始因子与第一二次改进因子多头超额净值..........................