高频因子挖掘的主流方法有哪些？-发现报告

好的，我来为您梳理一下关于“高频因子挖掘方法”的核心内容。

根据提供的资料，高频因子挖掘的主流方法可以概括为两大流派：AI驱动的自动化挖掘和基于市场微观结构的精细化构建。这两种方法各有侧重，互为补充。

一、AI驱动的自动化因子挖掘

这是一种前沿且高效的方法，核心在于利用大模型（AI）的代码生成能力，自动探索复杂的数据模式【2】【4】。

核心工作流：与传统的“变量+算子”组合不同，这种方法赋予AI直接生成基于numpy和pandas的Python代码的能力【2】【4】。输入数据被固定为统一的1分钟频率横表格式（index为时间，columns为股票代码），AI在此框架下自由编写代码，实现复杂的时序和截面计算【2】【4】。
关键技术与流程：
1. 提示工程（Prompt Engineering）：整个流程高度依赖精心设计的系统提示和用户提示，以精确引导AI的行为【7】。
2. 样例学习：为AI提供一批已被证实有效的“样例高频因子”作为初始学习材料，帮助其理解有效信号的特征【7】。
3. 相关性筛选：这是高频因子生成流程特有的环节。系统会筛选掉与样例因子及已生成因子相关性较高（秩相关性大于0.75）的因子，确保最终得到的因子集具有较低的冗余度和较高的独立性【7】。
挖掘成果：通过这种方法，AI成功挖掘出一批结构复杂且与样例因子相关性较低的新因子，其逻辑覆盖了波动率结构、动量反转、量价关系等多个维度【3】。例如：
- 投机波动因子：捕捉日内量价剧烈波动下的不稳定状态，周频RankIC均值达到9.03% 【3】【5】。
- 极端加速度方差占比因子：分析价格“加速度”的分布特征，捕捉股价变动的爆发性，ICIR达到0.83 【3】【5】。
- 这些AI因子能提供显著的增量Alpha，与经典因子结合后，能实质性提升组合的RankIC与超额收益【3】【5】。

二、基于市场微观结构的精细化因子构建

这种方法更侧重于从Level2等高频订单数据中，深入挖掘投资者交易行为与意图，从而构建具有明确经济学含义的因子【8】【9】。

核心思路：主力资金与普通散户的挂单行为存在显著差异，例如挂单金额更大、成交意愿更强、委托价格更接近盘口【1】【8】。通过分析这些微观特征，可以构建有效的选股因子。
具体方法与案例：
1. 订单流分析：研究订单的提交、撤单、成交等行为。例如，撤单比例长期保持稳定，且与成交量时间分布规律基本一致【8】【9】；彩票委托（LOTTERY因子） 捕捉集合竞价阶段“买彩票”式的投机行为【8】【9】。
2. 时间序列记忆性：通过计算订单方向等数值序列的自相关系数，并对其滞后阶的对数值进行回归，用截距项和斜率项来刻画长期记忆性的强度和持续性【1】。例如，长期记忆强度（LMS因子） 就利用了交易方向在时序上的关联性【8】【9】。
3. 资金流修正：考虑到大额交易会产生冲击成本，MOD修正法通过截面回归的方式调整价格变动的影响，以更准确地衡量主力资金流向【6】【8】。
4. 单笔成交金额：单笔成交金额偏高，往往可作为主力资金参与交易的潜在信号，但需注意排除因流动性不足导致的意外大额成交【1】【8】。

总结

总的来说，高频因子挖掘正从两个方向并行发展：

AI自动化挖掘：利用大模型的强大能力，高效、大规模地探索未知的因子空间，其优势在于创造性和效率，但需要严谨的筛选机制来保证因子的有效性【3】【7】。
微观结构精细化构建：基于对市场交易机制的深刻理解，手工构建具有清晰逻辑的因子，其优势在于可解释性和稳定性，但挖掘过程相对耗时【8】【9】。

这两种方法并非相互排斥，而是可以结合使用。例如，AI挖掘出的复杂因子，其内在逻辑往往也能从微观结构的角度得到解释【3】【5】。未来的趋势可能是将两者深度融合，实现更智能、更高效的高频Alpha探寻【6】。