自研量化软件分享(十):如何挖掘出好因子

聊量化的人都有过这一幕：熬夜刷帖看到一个「看起来很不错」的指标，抄进软件一试，当场灵光，隔天失灵。你也想过吧——挑指标这件事，能不能不靠运气？

手工想指标有三个口子堵不住。一是想得少：脑子里的组合翻来覆去就那几十种；二是试得多报得少：试了二十个，留下顺眼的那个，多半只是碰巧好看；三是没人续考：用顺手的指标，没人说得清它过去三个月还灵不灵。

方块量化里有块地方叫因子实验室。定位一句话：让机器自动去搜「选股公式」，搜出来的要连过四道闸，入册之后每天还得继续考试。

亮点三个：搜得到，拦得住，考得久。

先说搜得到。点「生成因子」，设个目标它就开搜。公式由 13 个算子拼出来：rank、zscore、log 这类加工件，加减乘除，再加 ts_delta、ts_rank 这类「近 N 天变化/分位」的时序件，窗口固定 5、10、20、60 四档；原料是数据层变量加在册因子，表达式限四层层深。评估预算默认 600 次，可设 300 到 5000，界面上还备了三档快捷方案：深探、均衡、快探。

机器挖东西，怕的是「拿数量刷成绩」：试一千条公式，总有一条全靠运气看着漂亮。所以评分不看它调参的那段数据——前半段调参、后半段打分，成绩只认后半段；而且每跑一次挖掘就记一笔试验账，挖得越多，及格线自动抬得越高。这套闸门防的就是它自己。

拦得住还有四道闸：先查公式有没有引用已经退役的旧因子，引了就拦；再实算一遍，当场产不出值的直接判死；跟在册因子长得太像的（相关性超过 0.8），算冗余淘汰；活到决赛的补全历史数据，再过覆盖率、零值率、数据链新鲜度三项体检——通过才算出生，不通过就当没出生过，产物和账目一起清干净。

考得久是后半场。出生只是开始：每天有一条增量流水线，把每个因子的考核序列用新行情往后续一天，打分窗口真正延伸到挖掘时没见过的日子——这是拿没见过的题考试，不是原地复批。连续掉队会被标成衰减候选，跨月累计三次直接升级退役提案；暂停的因子想回来，得在新窗口里考出更硬的成绩。判定用的及格线也不是死的，校准器盯着误停和漏报两类错误，自己调松紧。

还能让它自己排班：自定义定时任务里挂一档「因子生成」，按周触发，机器周末自己开工，不用人盯。

给你看个演示场景：均衡档，预算 600。开搜前，机器先拿一小笔预算（八分之一，上限 120 次）枚举一批简单模板，活下来的塞进初始群体——先站在简单公式的肩膀上再找，不算盲搜；这些种子的成绩还带缓存，跨代不重复烧预算。

挖出来的东西都有账可查：复盘页里，运行分「模板因子挖掘」「GP 因子挖掘」「因子目标生成」三类，淘汰原因全是中文标签——「IC 不达标」「相关性过高」「样本外失效」；健康判定分六种：健康、退化、失效、轮动、复活、样本不足。

留个问题：如果机器搜出一条比你经验更好看的公式，你敢直接用，还是先让它考一个季度？评论区聊聊。想看哪块被拆开讲，评论区点单。

关注公众号「方块量化」，下一篇接着拆。