Alpha掘金系列之二十四：基于GFlowNet和AlphaEval的分钟频因子挖掘筛选框架

Alpha掘金系列之二十四 金融工程专题报告 证券研究报告 金融工程组分析师：高智威（执业S1130522110003）gaozhiw＠gjzq.com.cn 基于GFlowNet和AlphaEval的分钟频因子挖掘筛选框架 GFlowNet原理回顾与日频数据挖掘 GFlowNet是由深度学习先驱Yoshua Bengio团队于2023年在计算机顶刊JMLR上发表的新型生成模型，其核心思想是将对象的生成过程建模为图网络中的"水流"过程。相比于强化学习，GFlowNet并非寻找一个"特别的神奇公式"，而是旨在挖掘"一群优秀的多元化公式"，这一特性极其契合多因子选股模型对低相关性、高多样性Alpha池子的根本诉求。相比于遗传规划，GFlowNet具备更强的学习能力，大大提升了在大空间搜索规律的效率。 在数学原理上，GFlowNet的训练目标是通过流匹配条件使网络中的流量分布满足守恒定律，实际训练中采用更稳定的Trajectory Balance目标。状态表示方面，动作历史序列通过Transformer encoding编码，辅以当前深度、已用算子比例、已用节点比例三个手工特征。奖励函数综合了IC、多头IR和Barra时序相关性惩罚项。 在日频数据挖掘中，基于原始日频K线共筛选出符合条件的因子99个，IC均值中位数达4.43%，多头年化超额中位数为5.23%；基于日频K线衍生特征挖掘出因子159个，基于分钟聚合特征挖掘出因子56个。各因子集的相关性中位数均在15%以下，因子长度和复杂度控制在较小水平。 分钟频数据快速计算框架与挖掘 分钟频数据计算面临内存瓶颈，无法将所有分钟特征全部读入内存。为此引入MemMap机制，通过操作系统的虚拟内存按需访问数据。一个完整公式被拆分为日内block和日频tree两段，并行方式按年份和股票切片进行多进程计算，numbakernel单线程计算，loky多进程并行。日内block计算后进入LRU持久化block cache，越到训练后期重复结构越多，计算速度越快。基于分钟频特征共筛选出符合条件的因子32个，IC均值中位数达3.19%，多头年化超额中位数为4.21%。 AlphaEval多维度因子筛选效果 AlphaEval（KDD 2026）从预测能力、时序稳定性、扰动鲁棒性、金融逻辑性、多样性五个角度对因子进行筛选。在深度学习模型隐藏层（672个）、国金金工因子库（117个）及GFlowNet挖掘因子（345个）共1134个待选因子中，首先从多样性角度进行筛选。通过DPP方式筛选出800个因子，以LGBM模型合成后效果最优。其它角度中，PPS预测能力筛选和金融逻辑性筛选在收益端没有明显提升，但RRE秩稳定性筛选可有效降低因子换手率。将筛选后的因子与现有AI模型融合后，在沪深300、中证500和中证1000三个宽基指数上均实现了稳定的正超额收益。 风险提示 1、以上结果通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在时效的风险。 2、策略通过一定的假设通过历史数据回测得到，当交易成本提高或其他条件改变时，可能导致策略收益下降甚至出现亏损。 内容目录 一、GFlowNet原理回顾与日频数据挖掘............................................................41.1为什么选择GFlowNet？..................................................................41.2 GFlowNet（生成流网络）原理回顾.........................................................51.3日频数据挖掘文法与训练设置.............................................................71.4日频数据挖掘单因子表现.................................................................8二、分钟频数据快速计算框架与挖掘..............................................................132.1分钟频数据文法........................................................................132.2分钟频数据快速计算框架................................................................142.3分钟频特征挖掘单因子表现..............................................................152.4分钟频特征挖掘因子相对日频信号增量....................................................17三、AlphaEval多维度因子筛选效果..............................................................173.1多样性角度筛选........................................................................183.2预测能力、秩稳定性与金融逻辑性角度筛选................................................19四、与现有AI模型的融合与指增策略.............................................................20风险提示......................................................................................21 图表目录 图表1：GFlowNet vs强化学习(Reinforcement Learning, RL).....................................4图表2：GFlowNet vs遗传规划(Genetic Programming, GP)........................................4图表3：强化学习batch内相关性水平............................................................5图表4：GFlowNet batch内相关性水平............................................................5图表5：GFlowNet原理图——基于DAG生成最终对象................................................6图表6：AlphaSAGE模型结构图...................................................................6图表7：三种基础日频数据......................................................................7图表8：日频数据对应五类算子..................................................................7图表9：基于原始日频K线挖掘因子IC均值等统计指标.............................................8图表10：基于原始日频K线挖掘因子IC均值分布..................................................8图表11：基于原始日频K线挖掘因子截面时序相关性统计指标.......................................9图表12：基于原始日频K线挖掘因子截面相关性...................................................9图表13：基于原始日频K线挖掘因子时序相关性...................................................9图表14：基于原始日频K线挖掘因子举例.........................................................9图表15：基于原始日频K线挖掘因子复杂度分布统计数据...........................................9 图表16：基于原始日频K线挖掘因子长度分布....................................................10图表17：基于日频K线衍生特征挖掘因子IC均值等统计指标.......................................10图表18：基于日频K线衍生特征挖掘因子IC均值分布.............................................10图表19：基于日频K线衍生特征挖掘因子举例....................................................11图表20：基于日频K线衍生特征挖掘因子复杂度分布统计数据......................................11图表21：基于日频K线衍生特征挖掘因子长度分布................................................11图表22：基于分钟聚合特征挖掘因子IC均值等统计指标...........................................11图表23：基于分钟聚合特征挖掘因子IC均值分布.................................................12图表24：基于分钟聚合特征挖掘因子举例........................................................12图表25：基于分钟聚合特征挖掘因子复杂度分布统计数据..........................................12图表26：基于分钟聚合特征挖掘因子长度分布....................................................13图表27：四种基础分钟频数据..................................................................14图表28：分钟频数据对应分钟算子..............................................................14图表29：分钟频数据对应mask算子.............................................................14图表30：分钟频数据对应聚合算子..............................................................14图表31：MemMap机制的优势....................................................................15图表32：基于分钟频特征挖掘因子IC均值等统计指标...................................