AlphaForge: A Framework to Mine and Dynamically Combine Formulaic Alpha Factors

金融数据的变异性和低信噪比，以及对可解释性的需求，使得α因子挖掘工作流程成为量化投资的关键组成部分。从早期的手动提取到遗传编程，目前在这个领域最先进的方法采用强化学习来挖掘一组具有固定权重的组合因子。然而，由此产生的α因子的性能表现不一致，而固定因子权重的不灵活性在适应金融市场的动态性方面证明是不足的。为了解决这个问题，本文提出了一个两阶段的公式α生成框架AlphaForge，用于α因子挖掘和因子组合。该框架采用生成-预测神经网络来生成因子，利用深度学习中固有的强大的空间探索能力，同时保持多样性。框架内的组合模型结合了因子的时间性能进行选择，并动态调整分配给每个组成α因子的权重。在真实数据集上进行的实验表明，我们提出的模型在公式α因子挖掘方面优于当代基准。此外，我们的模型在量化投资领域中展现出显著的投资组合回报增强。

本文提出了一个名为AlphaForge的框架，旨在解决量化投资中Alpha因子挖掘的不足之处，即结果不稳定且权重无法动态调整的问题。

AlphaForge框架采用生成-预测神经网络生成因子，并结合因子的历史表现动态调整权重，以提高投资组合回报率。

本文实验结果表明，AlphaForge框架在公开数据集上表现优于当前的基准模型，并且在量化投资领域中具有显著的优势。此外，本文还提供了开源代码和可供继续研究的方向。

相关研究包括使用遗传编程和强化学习来挖掘Alpha因子的方法，以及其他基于深度学习的因子生成模型，如Variational Autoencoder和Generative Adversarial Networks。