遗传规划挖掘因子\n——AI驱动的量化投资研发

遗传规划在因子挖掘中的应用是一种基于进化思想的自动化因子生成方法。该方法通过模拟自然选择与遗传机制，从基础数据和运算符中迭代演化出具备预测能力的量化因子。

[https://bigquant.com/bigapis/college/v1/fil

球队硬币因子：

核心思路：

股票分成球队型股票和硬币型股票，

球队型股票：当股票上涨的时候，市场往往预期会继续上涨，出现超买。进而出现回落。

硬币型股票：当股票上涨的时候，市场往往预期会下跌，出现超卖。进而出现补涨

基于此构建反转因子

具体构造：

球队型股票：

玄学理论

脱离基本面分析和舆情分析，或者把上述分析作为次要考虑因素，把行情走势图形作为主要分析数据，把市场交易行为中的资金博弈对抗作为主要研究方向的理论，不满足经典经济学理论中的理性人假设条件，也就没法用经典经济学解释其逻辑，其中某些理论含有神奇数字或者神奇几何图案元素，具有玄学神秘色彩，

缠中说禅是一位新浪博客的博主，TA的《教你炒股票》系列博文被称为缠论，此理论在国内信众广泛，影响巨大。其博文风格很黄很暴力，又晦涩难懂，缺少简明的数学符号表示，但作者自诩为这是一套“市场哲学的数学原理”，这个名字碰瓷牛顿的《自然哲学的数学原理》，牛顿可是经典力学的奠基人，力学三大定律的提出者。文中有

More缠论（常称摩尔缠论）是缠论的一个实战优化分支，核心是“中枢为核心，级别与走势分类为两个基本点”，以均线辅助、简化笔段递归、明确线段与中枢规则，聚焦“走势终完美”与可执行交易信号。以下是其核心要点与特点：

核心定位与理论基础

• 核心理念：以“走势终完美”为本质，放弃原始缠

理查德·威科夫创立的威科夫理论，与道氏理论、波浪理论并称技术分析三大支柱，其核心在于通过量价关系洞察“综合人”（主力资金）的操作意图，揭示市场从吸筹到派发的完整周期规律。这一诞生于20世纪初的理论，至今仍被机构投资者奉为圭臬，因其独特的“市场操纵者视角”，为普通交易者提供了穿透价格表象的分析框架。

艾略特波浪理论是技术分析大师拉尔夫·纳尔逊·艾略特在20世纪30年代提出的市场分析框架，其核心思想是股市遵循周期性波动规律，价格变动呈波浪式循环推进。通过研究道琼斯工业平均指数的历史数据，艾略特发现市场行为以可预测的形态重复，这种规律被认为是群众心理的集体反映，在参与度高的市场中准确性更高。

威廉·江恩在20世纪初创立的江恩理论，试图用数学、几何学、宗教和天文学原理揭示市场规律，核心在于时间与价格的周期性平衡。听上去就不太靠谱，这些玩意和经济运行规律有啥关系？要说数学和几何学有关系那确实有道理，后面怎么和宗教和天文学（是正经天文学还是占星术？）扯上了。从来就没有什么救世主，也不靠神仙皇帝

讲道氏理论，不得不提"123法则"。"123法则"并非查尔斯·道本人提出的原始概念，而是后世对道氏理论趋势反转逻辑的提炼与简化。这一法则以道氏理论关于趋势结构的核心思想为基础，由交易员维克多·斯波朗迪在《专业投机原理》中系统阐述，将道氏描述的趋势转变过程拆解为可操作的三个步骤。

道氏理论原著中虽无

查尔斯·道是道氏理论的创建者，他与爱德华·琼斯创立了道·琼斯公司，他还是道琼斯工业平均指数的创立者，也是《华尔街日报》的创办者，并担任首任主编，这个人物太传奇了。查尔斯·道本人从未使用过“道氏理论”一词，其思想主要由后来的威廉·P·汉密尔顿和罗伯特·雷亚等人整理归纳而成。其核心可以概括为以下几点：

你可能听说过或者在炒股软件上看到过“老鸭头”这个词，这个词就是这本书的作者发明的。

《短线是银》(这个奇怪的名字受启发于另一本书《长线是金》)，作者唐能通，他把股票都假设为庄股，把短线的形态视为庄家的语言或行动路径，而现在的市场里庄股只占很少一部分。坐庄也不一定能成功赚钱，有内幕消息的也不一定能成

复现【方正金工】研报中的“适度冒险”因子的构建与因子分析

1、中间因子做了计算存表，只对最终合成的“适度冒险因子”进行了因子分析。

2、在因子计算脚本中加入断点续跑功能，避免程序中断重新计算因子。

3、优化版，数据范围从2022-03-01到2025-12-26。

4、优化版，增加了元信息管

《日本蜡烛图技术》[美] 史蒂夫·尼森 著 丁圣元 译

做过技术分析的都知道这个，K线图嘛，谁没看过，经典的不能再经典了。“乌云盖顶”、“三只乌鸦” 等等基础概念，书中均有涉及，属于入门类书籍。

最近在研究高频因子，就免不了要对形形色色的因子进行剖析、测评。但是一个一个去进行测试的话，难免会有些太耗时间。

于是就改了改笑宇老师的因子测评框架，做了一个因子批量查询测评的程序，能批量测试因子并将测试结果存表（包括整体效果和年度多头效果）。

配置相关：

以下配置信息按需要配置修改：

1

https://bigquant.com/codesharev3/200a1523-f152-4e33-9bc4-45b94fa265aa

1. 初次

定时任务执行器使用说明 📋 项目概述 这是一个基于Python的定时任务调度器，专门用于自动执行股票数据分析脚本（支持.py和.ipynb格式），并在任务执行前后发送微信通知。

✨ 主要功能 定时执行 - 按指定时间自动运行Python脚本和Jupyter Notebook

• 数据就绪检查

当用户有多个策略需要进行模拟时，都需要将每个策略提交模拟，然后在“我的交易”页面查看。但这样相当浪费服务器资源。

这里提供一个可代替的方案。

1. 将策略回测数据保存下来。假设我们的回测引擎赋值给m5，那么我们可以读取回测数据 m5.read_raw_perf()，然后将数据以xlsx 或 c

https://bigquant.com/codesharev3/fc382b5a-9f49-4a8b-b149-66f7aacdbb40

参考资料：

功能

把 AI Studio 中的文件打包压缩保存到本地电脑，提前准备好后悔药，定期备份重要文件可以缓解未来误操作造成的损失。

[https://bigquant.com/codesharev3/9319c7da-d50e-482d-878e-5aef87adc3e5](https://

1、因子大家都应该熟悉，链接在这里：<https://mp.weixin.qq.com/s?__biz=Mzg2MDMyMjU0Ng==&mid=2247512606&idx=1&sn=86fdd460b06be99cdacfaf7e22632c58&chksm=ce2add83f95d54954a

https://bigquant.com/codesharev3/23c3fa92-a01b-4bf1-8041-3733b4a086c4

参考

https://bigquant.com/codesharev3/3311bc37-ef5a-40bb-b427-f62e23d2ff2b

\

https://bigquant.com/codesharev3/4fa7f395-3835-4de0-992d-bf48393f6593

参考资料：

由于没有逐笔数据，只能采用分钟数据来近似计算。有个地方需要注意，原文中提到是13/16分位效果最好，但是由于是原文是基于逐笔数据的，我们没有逐笔数据，用分钟数据近似的时候实际测试是1 / 2分位效果好。

[https://bigquant.com/codesharev3/3eba5f4a-36e0

[https://bigquant.com/bigapis/college/v1/files/ddecc5b4-7625-4dc3-afa8-3b697ba0aa7a](https://bigquant.com/bigapis/college/v1/files/ddecc5b4-