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.pdf

上传者：小*
时间：2026/07/10
热度：146
0人点赞
举报

本文提出了一种基于GFlowNet和AlphaEval的分钟频因子挖掘筛选框架。首先回顾了GFlowNet原理，指出其通过建模图网络中的“水流”过程，旨在挖掘多元化、低相关性的Alpha因子池，克服了强化学习的模式崩溃和遗传规划的搜索效率低下问题。在日频数据挖掘中，基于原始K线、衍生特征及分钟聚合特征挖掘出大量因子，IC均值中位数较高，且因子相关性低、复杂度可控。针对分钟频数据内存瓶颈，引入MemMap机制和分块并行计算框架，实现了高效计算，并验证了分钟频信号对日频信号的增量价值。在因子筛选阶段，采用AlphaEval框架从多样性、预测能力、秩稳定性等维度进行筛选，通过DPP方法筛选出低冗余因子集，并利用LGBM模型合成。最终，将筛选后的因子与现有AI模型融合，在沪深300、中证500和中证1000指数增强策略中实现了稳定的正超额收益，验证了该框架的有效性。