iFinD云课堂：AI赋能量化投研的因子挖掘与策略生成实践

发布时间：2026-09-04 一、AI总结内容 一、核心要点 1. 本次云课堂围绕量化投研场景，介绍了同安顺量化因子库的应用场景、核心因子分类及AI赋能的策略回测功能，覆盖从因子挖掘到策略生成的智能化实践。 二、量化因子库应用场景与实战案例 1. 因子库核心应用场景共6类：多因子选股策略构建、为AI模型提供训练特征、高频数据降维构建微观阿尔法、指数增强与Smart Beta策略、优化风控模型、历史数据回测验证因子有效性。 2. 实战案例：同安盛构建700个因子轮替的容量策略，国泰海通用多因子模型提升可转债周度策略年化及超额收益，华泰证券运用高频因子提升指数增强年化超额。三、核心因子分类与特征 1. 基础十一大因子含量价、另类等类型： a. 量价类涵盖集合定价、主笔成交频次、主笔委托频次、TICK快照、分钟频、日频共6类，其中集合定价因子可拆解为不同竞价阶段数据，主笔成交因子可反映微观结构，TICK因子含高频收益分布、加量、订单簿三类细化因子，日频因子能降低模型复杂度并提升鲁棒性。 b. 另类因子含AI模式类（TICK快照深度模型、Transformer量价预测、量价强化学习） 、新闻文本类（新闻预测训练、大模型新闻文本），还有同安顺独家热度因子（基于6亿注册用户行为数据，反映市场情绪与关注焦点）。 2. AI模式因子特点：Transformer量价预测类可输出涨跌平盘概率因子，预测周期因子表现良好；量价强化学习类输出可解释性强的公式化因子，IC值表现稳定；新闻类因子基于舆情情感分析，为市场预测提供参考。 四、AI赋能的量化策略回测功能 1. 工具实现方式：支持通过同安顺MCP接入AI智能体，重点介绍同安顺Framework量化AI工作台。 2. 回测功能示例：支持单股票日频策略（如均线结合RSI的策略，回测区间2022-2025年，初始资金100万）、多股票策略（如沪深300成分股的波动率选股策略，回测区间2021-2025年，初始资金500万），可生成回测报告、源码、交易记录，还支持期货回测、分钟级策略、绘图及多格式文档生成。 3. 功能规划：后续将新增自动化因子挖掘技能，进一步提升量化投研的智能化程度。五、其他补充 1. 因子库提供详细因子字典，含数据类别、更新频率、下载方式等信息，还有特色热度因子可满足差异化需求。 2. 欢迎用户使用同安顺终端及Framework，有因子库需求可联系商务同事。 二、音频原文（转写） 好那各位老师大家好，欢迎大家收听本次同安顺给大家带来的云课堂的内容。那本节课程呢？是关于咱们这个量化投研这样的一个场景啊，去介绍咱们同阿顺的量化因子库，以及介绍啊，咱们这个里边的一些呃因子，以及这一些策略呢去做一些数据的回测，那可以利用咱们呃的一些ai工具呢去实现啊，那整个的一个主题呢， 就是从因子的挖掘再到策策略生成啊，这样的一个智能化的实践过程，咱们去跟呃各位老师做一个整体性的介绍，那整个介绍开始之前，咱们首先先去说一下这个量化因子库它的一个应用场景啊，那简单来说，咱们量化因子库在大家常用到的场景里边呢，有六个啊，比较核心的这样的一个这个场景，应用场景当中啊，第一个是那个多因子的一个选股的策略构建啊，那这个也是大家最接触到比较多的最广泛的最基础的一个应用啊，就是筛选一些因子呢去做一些打分，包括对股票的排序呢，去做一些构建组合啊，这个是一个常见的业务场景，那第二个就是这个，咱们可以把这些因子呢作为机器学习，包括ai模型啊，它的一些燃料，那比如说像这个机器学习呃包括深度学习啊，这些模型都可以去提供海量的训练特征，那这个是呃因子库它的一个核心的第二大应用场景。 那第三个呢是这个高频数据对它做一些降维的应用啊，比如说将一些tig级别的数据，呃加工为1些这个日频的啊，或者30分钟级别的这样的一些因子，那可以去构建一些微观级别的这样的一些阿尔法，那四个第四个呢就是这个指数增强，包括smart beta策略啊，咱们会根据呃基准的一些指数呢，去在它的基础上去做一些这个持续的超额收益啊，那这也是咱们最常见的一个业务场景啊，这个场景啊，这是第四个那第五个，就是咱们的因子，其实不仅是在呃这个里边的收益上啊，能够给咱们去带来一些帮助，那也能够在里边包括风险啊风控这样的一个视角上呢，去提供一些呃精准的度量，所以说咱们可以在因子上呢，去帮助咱们各位老师在风险的一些模型啊，包括组合呢，去进行持续的优化啊，这是第五个这个应用场景，那第六个就是咱们的因子呢？ 是可以去在示范之前去用，用这个因子库呢去做一些呃，大量的历史数据的回测啊，以此呢去验证这个因子，它的一些有效性啊，那再呃举一些这个实战的应用场景，比如说之前的话呢？同安盛呃，他们构建了这些因子库的一些容量的策略啊，大概有700个做一些因子的轮替，那包括国泰海通呢，也是用这个多因子的这个模型呢？去构建了一些呃可转债的交易策略啊。周度策略使他们的一个年化的回报，包括超额收益呢，都是得到了一个比较大额的提升。 那第二个这个应用场景在机器学习里边呢啊，在主要是融入一些多头的超额啊，高频因子呢去融入到n策略当中，那可以看到里边的这个超额收益呢，也是从呃18%呢，到了25%，然后在这个呃高频数列的一些降温应用里边，主要是提供差异化的一些微观结构的阿尔法，比如说呃读取到level two啊，他们的一些主笔的成交啊，包括委托的数据计算一些强度等等的因子，那这块是反映资金流向，包括订单部的一些失衡率啊，这些微观场景的情绪去构建一些阿尔法，那这是它的一些核心的呃应用场景，以以及里边的一些案例。 那再比如说进入到这个呃指数增强这样的一个策略里边儿啊，那这块儿主要是之前华泰精工呢，他们是运用这个呃gbe的因子工厂2.0产出了一些高频的因子，也是构建了一些指数增强的策略啊，那包括动物，他们也是构建了一些这个呃中证800的一些指增啊，结合ai，高频啊情绪因子啊，导致他们的那个年化的超额呢？是呃，得到了一些显著的提升啊，这个是smart贝塔策略，它的一些实战的案例，然后呃还有就是风控模型，那主要是构建一些这个自定义因子，包括因子的一些斜方差的矩阵，去用于整个组合它的一个优化的来源啊，那第六个在因子回测的过程当中就是可以去去做一些截面的ic分析啊，包括分位数的一些组合，回测换手率的一些这个衡量等等，那这款呢可以去避免咱们的回测呢去使用呃这个未来的数据，那介绍完了这个因子的一些应用场景之后呢？ 咱们再去这给大家去详细的去介绍咱们同阿顺啊整体涵盖的一些这个因子的内容。那总共呢？是涵盖了呃这个基础大类一共是十一大因子，以及咱们会有华顺更加特色类的啊，这样的1个这个ai方面的啊，比如说会有 一些呃这个热度方面的因子啊，那这块儿咱们会跟各老师呢进行一个比较详细的介绍，那首先先去说这个基础的十一大因子啊，那这块儿咱们分成两类一类类是量价类型的因子，一类是这个另类型的因子啊，那量价类型的因子第一个啊就是这个集合定价的这个量价类，那这块咱们主要是把结合定价呢分成几个阶段啊，9点15到9点20阶段19.2 10到9点25，这个呃不接受撤单申报的时间呢？ 给它命名阶段二啊阶段三的话是9点25到9点30。接受申报，但是呃不给他们进行处理。啊，那这个是咱们整个因子的一个设计思路，就是把整个呃集合定价的因子呢？是分成了一些主笔的委托数据啊，主笔的成交数据还有这个快照的切片数据，咱们是给它做了一个切分，那切分完成之后呢？ 它会给它细化成更加细化的1些数据。比如说呃阶段一的这个数据啊，阶段二的数据，然后咱们把它呢去变成啊，这个里边的一些主动买卖的嗯，以及竞买的还有订单不形态的一些数据，那这个呢是给它做了一些加工啊，比如说转把这个主笔委托的数据呢是变成阶段1和阶段二的因子，那把主笔成交的数据呢？是变成主动买卖竞买的这个因子那快照的切片数据呢？结合到上面的一些这个维度，咱们是把它呃再加工成了这个收益率曲线的1些特征，包括订单不形态的这样的一些特征啊，最终呢就形成这个集合竞价的因子啊，这是它的一个这个设计的一个大的思路，那比如说举一些呃具体的案例啊，那比如说屏幕当中现在展示的这个标的为例。 咱们看到它是一个呃集合竞价的量价类因子呢，其中一个因子叫做趋势强度啊，这个因子的话呢？在当天的一个呃因子值呢比较高啊，0.833啊，趋势强度呢，相对来说是比较高的，那当天呢是这个在盘中过程当中呢，触及了涨停啊，最终收盘呢，是涨幅5.1%呃，这是其中的一个这个案例。那再比如说另外的这样一个因子叫做主档订单的失衡率啊，这个呢因子值呃代表它的一个买卖的压差，那我们可以看到它的因子值呢是负的6.25，那当天的这个呃这个跌幅呢也比较大啊，这是一个呃典型的集合定价量价类的一些因子啊，它的一些应用重大案例然后第二类因子呢叫做呃主笔成交的频次量价类，那这个就是主要结合到每一笔这个交易啊，它的这个成交的时间呃包括数量，包括一些买卖的方向，还有一些价格等等。 那对于这些基础的信息呢去做一些记录啊，那这个是可以反映微观市场结构，它的一些流动性啊，包括价格发发现等等这方面的一些数据的啊，那这个数据其实呃它的颗粒度呢是比较细的，因为包含了每一笔这个成交的数据啊，数据量也比较大。对于整体的这个沪深a股的这个全市场而言呢，每天的这个呃主笔的成交数量可以达到几千万条，那大概的这个呃人间的数据大小呢？是几个g左右？所以咱们这个因子呢，就是通过对每一笔的这个主笔的成交的一些数据，呃做一些统计的分析，最终去提取出来的能够去预测这个股票它的一些收益能力的因子。 呃，那这个设计的思路的话，咱们把它是呃作为了这个早盘午盘和尾盘的一些划分。呃比如说里边根据这个设计出来的一些因子呢，有绝对主力的流入的强度，有绝对主义的一个流入的活跃度，还有流入的一些集中度流入率等等。那这个都是一些这个典型的因子啊，咱们比如说也是举一些这个案例去跟大家去展示。啊，比如说现在屏幕上呃展示呢，是咱们这个主买的这样的一个集中度和主脉集中度的这样的一个对比，那我们可以看到主买的集中度呢，0.3458啊，主脉集中度呢，是0.3643啊，相对来说这个主脉集中度会大于主买集中度啊，所以说当天的这个跌幅呢，也是呃，在这个盘中呢，是触及了跌停啊，这是这个一个典型的案例那第二个咱们反过来这个因子针的主买集中度比较强啊，0.3635主卖集中度是零点的，这个3132啊，最后呢？ 是在这个呃尾盘的时候呢，是拉升了啊，到这个涨停啊，最后收盘，那这是一个主买集中度大于主脉集中度的 这样的一个案例。啊，这是第二类跟大家去介绍的这个主笔成交频次呃量价类这样的一个因子啊，那除了这个主笔的这个成交频次之外呢？咱们还会有主笔委托的这个频次量价类。嗯，这个跟呃刚刚那个它的1个区别呢，就是啊，这个是针对于委托的数据啊，因为委托的数据，它其实是体现了市场上每一个交易者或者每一个投资者呢？ 他的这个实际的一些呃供求关系和交易的一些主观的意愿啊，所以说这个是可以去衡量整体的市场，它的一些流动性啊，包括一些交易成本啊，各个方面的一些数据。那这个跟咱们刚刚所讲的第二类的它的一个成交的数据的区别就在于委托数据呢，是包含了投资者每一笔下单以及撤单的记录的啊，但是成交记录的话，仅仅有这个撮合成功的这样的一个交易记录啊，这是这两个它的一些核心的区别，那这个就是咱们考量的一些因子里边设计出来的，比如说会有呃伪买撤单的一些强度伪买撤单的一些活跃度以及撤单的一些集中度等等啊，这个是咱们呃这个委托里边啊结合到的一个设计出来的一些因子，那比如说举一些呃这个具体的案例，那这个是伪买撤单的集中度和伪买的一个这个因子值呢，做的一些对比，那可以看到这个是在伪买里边呢，相相对来说比较啊，这个多然后这个反过来啊，这边咱们分别是有两个对应的一些相反的案例呢，跟大家去做了一个展示啊，然后第四个案例呢，第四个这个因子呢？ 是tip级别的快照量价类啊，这个是主要结合到高频呃量价的一些信息，那这个是3秒的一个快照啊，比如说会有这个最高价最低价最新价成交量成交额啊，以及还会有一些这种盘口的数据，比如说买一到卖五啊，然后买一到买五卖一到