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

内容目录一、GFlowNet原回日频据掘 4什择GFlowNet？ 4GFlowNet（生流络）理顾 5频据掘法训练置 7频据掘因表现 8二、钟数快计框架挖掘 13钟数文法 13钟数快计框架 14钟特挖单子表现 15钟特挖因相对频号量 17三、AlphaEval多度子筛效果 17样角筛选 18测力秩定与金逻性度选 19四、有AI模的与指策略 20风险示 21图表目录图表1：GFlowNetvs化学习(ReinforcementLearning,RL) 4图表2：GFlowNetvs传规划(GeneticProgramming,GP) 4图表3：强学习batch内相性平 5图表4：GFlowNetbatch内相性平 5图表5：GFlowNet原——于DAG成终象 6图表6：AlphaSAGE模结构图 6图表7：三基日据 7图表8：日数对类算子 7图表9：基原日频K线挖子IC均等指标 8图表10：基原日频K线掘子IC值布 8图表11：基原日频K线掘子面序关性计标 9图表12：基原日频K线掘子面关性 9图表13：基原日频K线掘子序关性 9图表14：基原日频K线掘子例 9图表15：基原日频K线掘子杂分统计据 9图表16：基原日频K线掘子度布 10图表17：基日频K衍生征掘子IC等统指标 10图表18：基日频K衍生征掘子IC分布 10图表19：基日频K衍生征掘子例 11图表20：基日频K衍生征掘子杂分布计据 11图表21：基日频K衍生征掘子度布 11图表22：基分聚特征掘子IC值计指标 11图表23：基分聚特征掘子IC值布 12图表24：基分聚特征掘子例 12图表25：基分聚特征掘子杂分统计据 12图表26：基分聚特征掘子度布 13图表27：四基分频数据 14图表28：分频据应分算子 14图表29：分频据应mask14图表30：分频据应聚算子 14图表31：MemMap制优势 15图表32：基分频征挖子IC均等指标 15图表33：基分频征挖子IC均分布 16图表34：基分频征挖因举例 16图表35：基分频征挖因复度布计数据 16图表36：基分频征挖因长分布 17图表37：GFlowNet日分钟据LGBM合统据 17图表38：GFlowNet日分钟据LGBM合多值曲线 17图表39：AlphaEval18图表40：多性度子筛统数据 19图表41：其角因筛选计据 20图表42：宽指增统计据 20图表43：沪深300增净值 21图表44：沪深300增分年数据 21图表45：中证500增净值 21图表46：中证500增分年数据 21图表47：中证1000净值 21图表48：中证1000分年数据 21一、GFlowNet原理回顾与日频数据挖掘1.11.2GFlowNet1.3GFlowNet？（RFowNetAlpha（GPFloNet图表1：GFlowNetvs强化学习(ReinforcementLearning,RL)对比维度 强化学习(RL) 生成流网络(GFlowNet)对比维度 强化学习(RL) 生成流网络(GFlowNet)优化目标 最大化预期奖励，寻找最优解：argax𝑅𝑥)按照奖励大小的分布进行采样𝑃𝑥)∝𝑅𝑥)容易发生模式崩溃(ModeCollapse)。一旦找天生具备极强的多样性(Diversity)保探索机制 到几个极高收益的因子，策略就会收敛，反复证能够广泛探索整个公式空间发现不同生成相似的公式。因子相关性挖掘出的因子高度同质化，特征重叠严重。

流派的高收益因子。合直接构建多因子组合（AlhaPol国金证券研究所图表2：GFlowNetvs遗传规划(GeneticProgramming,GP)对比维度 遗传规划(GP) 生成流网络(GFlowNet)对比维度 遗传规划(GP) 生成流网络(GFlowNet)底层驱动力

启发式/是在局部进行试错。 产生高收益。搜索效率

效率极低。在极大的算子和特征组合空间效率极高。神经网络通过观察走过的路径中，很容易陷入局部最优解，且对噪音极为（Trajectories）来构建全局概率图，有明敏感。 确的方向感和泛化性。历史信息的利用

只利用当前种群的信息，一旦优秀的公式神经网络的权重记录了所有见过的结构化被淘汰，往往需要很长时间才能再次演化信息，能够更聪明地在有希望的子空间进行出来。 探索。国金证券研究所GFlowNetbatch——batch1GFlowNetbatch0.04。图表3：强化学习batch内相关性水平，Tushare图表4：GFlowNetbatch内相关性水平，TushareGFlowNet（）原理回顾GFlowNetYoshuaBengio2023JMLRAlphaMiningviaGenerativeFlowNetworksforRobustExploration）ICLR2026Poster图表5：GFlowNet原理图——基于DAG生成最终对象GFlowNetFoundations图表6：AlphaSAGE模型结构图AlphaSAGE:Structure-AwareAlphaMiningviaGenerativeFlowNetworksforRobustExploration国金证券研究所，GFlowNet（类似基尔xFlowMachigCondtio具体地：对于任意中间状态s，流入它的总流量必须等于流出它的总流量：∑ 𝐹(𝑠′→𝑠)= ∑ 𝐹(𝑠→𝑠′′)𝑠′∈𝑃𝑎𝑟𝑒𝑛𝑡𝑠(𝑠) 𝑠′′∈𝐶ℎ𝑖𝑙𝑑𝑟𝑒𝑛(𝑠)（∑ 𝐹(𝑠→𝑥)=𝑅(𝑥)𝑠∈𝑃𝑎𝑟𝑒𝑛𝑡𝑠(𝑥)如果整个图的流量严格满足上述等式，那么从源点𝑠0出发的总流量（即配分函数𝑍）就等于所有终止状态奖励的总和：𝑍=∑𝑥𝑅(𝑥)。结合实际与经过实验比较，在训练中不直接优化流守恒，而是采用更稳定的TrajectoryBalance（TB）目标：𝑍∏𝑛 𝑃(𝑠|𝑠 ) 2ℒ =(log 𝑡=1𝐹𝑡𝑡−1 )𝒯ℬ

𝑅(𝑥)∏𝑛

𝑃𝐵(𝑠𝑡−1|𝑠𝑡)图表7：三种基础日频数据

TB；_Fₜ（；P_BR(xP_Freward指标TBloP_F和op/ow/featureTransformerencoding3Expr::=Feature|UnaryOp(Expr)|BinaryOp(Expr,Expr)|TsUnaryOp(Expr, ow)|TsBinaryOp(Expr,Expr, ow)|CsOp(Expr)其中 ow值为5、、204060。日频的挖掘基于三组基础特征分别进行，并基于上一篇报告进行了扩充。模式 叶子特征 说明原始日频量价字段，公式直接在原始日频k线 open,high,low,close,vwap,volumeret_gap,ret_cc1,ret_co,ret_hl,ret_range,ret_body,ret_uppe日频k线r_shadow,ret_lower_shadow,ret_close_vwap,ret_open_vwap,ret_衍生特征vol_chg1,ret_vol_chg5,turnover,illiq,ret_amt_chg5,clvamihud_intraday,intraday_trend,realized_vol,smart_money_flow

OHLCV/VWAP上组合人工结构化后的日频相对量价特征分钟聚合日频特征

,vol_return_corr,opening_strength,closing_strength,time_of_high,time_of_low,order_flow_imbalance,jump_ratio,ret_path_efficiency等60个日内统计特征

虽来源于分钟数据，但已经预计算成日频特征，再进入日频公式文法国金证券研究所

算子方面，我们同样基于上一篇报告进行了扩充，如下表所示。图表8：日频数据对应五类算子算子类别 公式形式 代表算子abs,neg,sign,log,inv,sqrt,tanh,relu,softsign,signed_power2,signed_po一元变换 op(x)一元时序 ts_op(x, ow)

wer3,signed_log1pts_mean,ts_std,ts_max,ts_min,ts_rank,ts_delay,ts_delta,ts_sum,ts_argmax,ts_argmin,ts_wma,ts_ema,ts_slope,ts_residual,ts_zscore,ts_position,ts_range二元组合 op(x,y) add,sub,mul,div,max2,min2,greater,less,signed_ratio,log_ratio二元时序 ts_op(x,y, ow) ts_corr,ts_cov,ts_beta,ts_orthcs_rank,cs_zscore,cs_demean,cs_scale,cs_normalize,cs_winsorize,cs_trunca截面变换 cs_op(x)

te,cs_quantile,cs_rank_gauss国金证券研究所考虑到单纯以因子IC作为挖掘目标，会有多头超额较差、Barra风险因子暴露较高的问题。因此我们引入了多头超额奖励与Barra相关性惩罚，总体奖励函数的设计为：reward=abs(train_ic)×(1+LONG_IR_LAMBDA×clip(train_long_ir,0,LONG_IR_CAP))×(1-BARRA_TS_PENALTY_MU×clip(barra_ts_corr,0,1))。20100101201812312019010120201231A。最终进行因子筛选时，须满足以下硬性条件：abs(train_ic)>0.01、abs(test_ic)>0.01train_ic×test_ic>0train_long_ir>0.25test_long_ir>0.25、barra_ts_corr<0.7然后根据abs(train_ic)排序，按贪心策略根据因子多头超额收益率序列相关性小于0.7保留。K994.437.005.23。图表9：基于原始日频K线挖掘因子IC均值等统计指标min5075maxic_mean0.274.435.517.00ic_ir0.020.460.510.68long_excret-4.325.238.8815.54long_ir-0.510.981.332.20ls_ret-0.5526.8932.4356.78ls_sharpe-0.221.732.673.74，Tushare图表10：基于原始日频K线挖掘因子IC均值分布，Tushare15图表11：基于原始日频K线挖掘因子截面时序相关性统计指标均值最小值中位数最大值截面相关性14.950.2210.5483.50时序相关性16.420.0413.9678.24，Tushare图表12：基于原始日频K线挖掘子截面相关性 图表13：基于原始日频K线挖掘子时序相关性，Tushare ，Tushare图表14：基于原始日频K线挖掘因子举例-7.66volume),10))))-0.7928.2111neg(cs_scale(cs_rank_gauss(sqrt(ts_delta(volume,-7.66volume),10))))-0.7928.2111neg(cs_scale(cs_rank_gauss(sqrt(ts_delta(volume,10))))) -9.95-0.9132.867cs_scale(mul(cs_winsorize(ts_scale(vwap,10)),softsign(log_ratio(vwap,7.150.5814.2810high))))inv(ts_range(cs_zscore(sub(open,volume)),20)) 6.740.7018.877neg(ts_std(cs_zscore(tanh(ts_zscore(close,5))),10)) -5.39-0.7111.608neg(cs_rank_gauss(mul(cs_winsorize(cs_rank(volume)),ts_range_pct(sub(low,，Tushare

图表15：基于原始日频K线挖掘因子复杂度分布统计数据meanmin50maxmax_depth4.54255op_count5.462511leaf_count2.22128complexity_len9.684823，Tushare图表16：基于原始日频K线挖掘因子长度分布，TushareK159IC3.55，最值达10.01。头化额本果一，位为0.71。图表17：基于日频K线衍生特征挖掘因子IC均值等统计指标min5075maxic_mean0.113.554.4310.01ic_ir0.010.450.590.83long_excret-21.810.712.328.27long_ir-3.650.150.542.25ls_ret-7.7016.5739.4868.58ls_sharpe-0.472.093.055.29，Tushare图表18：基于日频K线衍生特征挖掘因子IC均值分布，Tushare图表19：基于日频K线衍生特征挖掘因子举例expr（因子表达式） IC ICIR Long_Excret

表达式长度10.290.6536.9010sqrt(cs_demean(cs_zscore(ret_amt_chg5))))cs_normalize(cs_rank(signed_ratio(turnover,cs_demean(turnover))))9.330.683.806neg(ts_range(cs_rank_gauss(ret_cc1),20))-7.64-0.677.605neg(ts_scale(cs_zscore(turnover),5))-7.52-0.6417.805neg(add(neg(div(signed_power2(ret_body),10.290.6536.9010sqrt(cs_demean(cs_zscore(ret_amt_chg5))))cs_normalize(cs_rank(signed_ratio(turnover,cs_demean(turnover))))9.330.683.806neg(ts_range(cs_rank_gauss(ret_cc1),20))-7.64-0.677.605neg(ts_scale(cs_zscore(turnover),5))-7.52-0.6417.805，Tushare

图表20：基于日频K线衍生特征挖掘因子复杂度分布统计数据指标meanmin50maxmax_depth（最大嵌套深度）4.09145op_count（算子数量）4.751510leaf_count（叶子变量数）1.87126complexity_len（表达式复杂度长度）7.73718，Tushare图表21：基于日频K线衍生特征挖掘因子长度分布，Tushare564.26。图表22：基于分钟聚合特征挖掘因子IC均值等统计指标min5075maxic_mean-1.713.424.487.17ic_ir-0.200.410.460.65long_excret-16.094.265.6113.31long_ir-1.620.391.362.56ls_ret-6.3816.4229.1152.37ls_sharpe-0.402.002.575.43，Tushare图表23：基于分钟聚合特征挖掘因子IC均值分布，Tushare因子长度与复杂度控制在较小水平，平均长度为6.59，同时较长的因子占比不高。◼因此相对是具有一定可解释意义的。图表24：基于分钟聚合特征挖掘因子举例exprICexprICICIRLong_Excret度add(neg(trade_activity),tanh(ts_min(neg(ret_afternoon),10)))6.670.5411.718neg(sqrt(vwap_half_drift))-6.46-0.6046.023signed_log1p(amihud_intraday)5.300.5210.322neg(cs_zscore(signed_log1p(mul(cs_rank_gauss(trade_activity),-4.51-0.4112.197trade_activity))))neg(ts_scale(cs_rank_gauss(abs(tanh(trade_activity))),5))-3.80-0.4215.637，Tushare

图表25：基于分钟聚合特征挖掘因子复杂度分布统计数据meanmin50maxmax_depth3.73145op_count4.14148leaf_count1.39113complexity_len6.592713，Tushare图表26：基于分钟聚合特征挖掘因子长度分布，Tushare二、分钟频数据快速计算框架与挖掘分钟频数据文法mask具体文法定义为：MinExpr::=MinuteFeature|MinuteOp(MinExpr)|MinuteOp(MinExpr,MinExpr)|MinuteOp(MinExpr, MaskExpr::=MaskOp(MinExpr)|MaskOp(MinExpr,MinExpr)BlockExpr::=ReduceOp(MinExpr)|ReduceOp(MaskExpr)|ReduceOp(MinExpr,MinExpr)；DailyExpr::=BlockExpr|DailyOp(DailyExpr)|DailyOp(DailyExpr,DailyExpr)|DailyTsOp(DailyExpr, ow)图表27：四种基础分钟频数据特征类别 特征 说明原始分钟通道 open,high,low,close,vol,amount 直接从1分钟数据构建，价已按复权因子处理简单派生通道累计/扫描类派生通道

ret,vwap,hl_pct,bar_pos,amihud,rv,signed_vol,signed_amttypical,vwap_cum,twap,obv,pvt

常用分钟派生特征，已预先存成memmap；缺失时可由宏表达式回退计算日内累计VWAP、TWAP、OBV、PVT等，适合表达日内路径信息，同样预先存成memmap不单独落盘，作为宏表达式展开，例如logret=纯宏派生叶子 logret,oc_ret

m_logret(close)国金证券研究所图表28：分钟频数据对应分钟算子算子类别公式形式代表算子含义分钟收益m_ret(x),m_logret(x)m_ret,m_logret计算分钟简单收益、对数收益分钟滞后/m_delay(x,w),m_delta(x,w)变化m_delay,m_delta日内滞后和差分分钟滚动统m_ma(x,w),m_std(x,w)m_ma,m_std日内移动均值和波动计日内标准化 m_rank(x),m_zscore(x) m_rank,m_zscore

在当日分钟序列内部做rank或zscore非线性变换 m_abs(x),m_sign(x),m_log(x) m_abs,m_sign,m_log 绝对值、符号、对数变二元组合 m_add(x,y),m_sub(x,y),m_mul(x,y),m_div(x,y) m_add,m_sub,m_mul,m_div 分钟序列之间的加减乘国金证券研究所图表29：分钟频数据对应mask算子Mask类别 公式形式 代表算子 含义m_head(x,w),m_tail(x,w),m_mid(x,位置选择极值选择

w)m_top(x,w),m_bot(x,w),m_xtreme(x,w)

m_headm_tailm_mid 取开盘、收盘或中间一段分钟m_topm_botm_xtreme 取日内最高、最低或偏离最极端的若干分钟分位选择

m_above(x),m_below(x),m_inner(x),m_outer(x)

m_above,m_below,m_inner,m

按日内中位数/IQR或外部区域条件选择 m_at_top(x,y,w),m_at_bot(x,y,w) m_at_top,m_at_bot 在y极端的分钟上取x条件过滤 m_when_pos(x,y),m_when_gt(x,y) m_when_pos,m_when_gt 只保留y>0或y>median(y)时的x图表30：分钟频数据对应聚合算子聚合类别 公式形式代表算子含义基础统计 r_mean(x),r_std(x),r_sum(x)r_mean,r_std,r_sum日内均值、波动、总量极值统计 r_max(x),r_min(x),r_median(x)r_max,r_min,r_median日内最大、最小、中位数首尾信息 r_first(x),r_last(x)r_first,r_last开盘段/收盘段特征分布形态 r_skew(x),r_kurt(x)r_skew,r_kurt日内偏度、峰度路径趋势 r_slope(x),r_rsquare(x),r_argmax(x)r_slope,r_rsquare,r_argmax日内趋势、趋势拟合度、极值出现时间二元聚合 r_corr(x,y),r_cov(x,y),r_wmean(x,y)r_corr,r_cov,r_wmean日内相关、协方差、加权均值——MemMap→read()→解析MemMapnumpyMemMap，OSpagefaultpagecache；之1float32memmap(year,channel)→(n_days,241,n_stocks)。图表31：MemMap机制的优势优势 具体解释少反序列化 数据已经是numpy可读的二制数组；按需加载 不用一次性读完整文件；共享pagecache 多个进程读同一文件时，OS共享缓存，不需要每个进程各读一份适合并行切片 不同worker可以同时读取同year/stocktile；内存占用可控 文件可以远大于物理内存，热数据由OS自动缓存。国金证券研究所opsmaskopsreduceops）tree（dailyts_mean(r_corr(retsigned_amt,signed_amtblockts_mean(…,20)(year,stock_tileworkermemmapkernelloky并行。日内block计算完后进入持久化blockcache，cachekey=date_scope+block_exprLRUblockspill结构越多，计算速度越快。323.198.854.21。图表32：基于分钟频特征挖掘因子IC均值等统计指标min5075maxic_mean-1.963.195.268.85ic_ir-0.180.370.510.76long_excret-16.454.216.9016.44long_ir-1.420.651.142.37ls_ret-8.5020.8344.9662.09ls_sharpe-0.572.693.085.55，Tushare图表33：基于分钟频特征挖掘因子IC均值分布，Tushare因子平均长度为11.22，相对可解释意义比较弱。图表34：基于分钟频特征挖掘因子举例长度neg(ts_max(r_cov(signed_amt,m_logret(close)),40))长度neg(ts_max(r_cov(signed_amt,m_logret(close)),40))-6.84-0.517.797neg(r_mean(m_bot(m_abs(m_abs(m_log(m_delay(vol,10)))),10)))-5.59-0.5224.9010neg(abs(r_median(m_outer(signed_amt))))-5.37-0.363.605log_ratio(r_first(m_rank(m_sign(m_abs(m_mul(hl_pct,vol))))),3.320.2625.1314softsign(cs_quantile(r_argmax(m_sign(m_abs(vol))))))neg(ts_mad(r_mean(pvt),10))-7.95-0.7312.485

表达式 ，Tushare

图表35：基于分钟频特征挖掘因子复杂度分布统计数据meanmin50maxmax_depth5.72268op_count7.162715leaf_count2.13127complexity_len11.2231024，Tushare图表36：基于分钟频特征挖掘因子长度分布，Tushare32313LGBM图表37：GFlowNet日频+分钟数据LGBM合成统计数据RankIC ICIR

多头年化超额收益GFlowNetGFlowNet日频 10.131.0316.6128.211.673.905.76124.140.148.8310.82GFlowNet日频+10.201.0316.6628.331.663.905.78127.110.149.019.84

多头Sharpe比率

多头信息比率

多头超额最大回撤

多空年化收益率

多空波动率

多空Sharpe比率

多空最大回撤 分钟频，Tushare图表38：GFlowNet日频+分钟数据LGBM合成多空净值曲线，TushareRankIC三、AlphaEval多维度因子筛选效果AlphaEval（ComprehensiveandEfficientEvaluationFrameworkforFormulaAlphaMining）KDD2026进行筛选。图表39：AlphaEval示意图AlphaEval:AComprehensiveandEfficientEvaluationFrameworkforFormulaAlphaMining多样性角度筛选（672（117GFlowNet（45134LGBM多样性筛选采用两种方式：一是利用多头超额收益的时序相关性筛选；二是集合级DPP/log-detDPPlog-determinant。log-detDPP800LGBM800图表40：多样性角度因子筛选统计数据

多头年

多头RankICICIRRankICICIRICT化超额Sharpe 额最大 化收益 Sharpe息比率 动率 大回撤收益率比率回撤率比率M0_all_equal_weight 8.570.6410.3213.420.921.696.8164.360.193.3910.78M0_all_lgbm 8.610.7612.1821.221.203.015.4598.750.146.948.93M0_all_linear 7.790.6911.1521.911.293.445.7889.280.146.4112.62M3_ret_stream_tau0.5_equ8.290.6410.2611.190.891.526.3452.780.182.8913.26al_weightM3_ret_stream_tau0.5_lgb8.240.7612.2920.741.192.944.0594.190.146.949.40mM3_ret_stream_tau0.5_lin7.890.7211.5619.701.243.287.6082.990.136.3213.07earM3_ret_stream_tau0.7_equ8.500.6410.3212.470.931.656.7659.520.193.1713.49al_weightM3_ret_stream_tau0.7_lgb8.300.7411.8719.381.142.836.0394.410.146.8810.57mM3_ret_stream_tau0.7_lin7.800.6810.9619.431.213.046.6885.050.146.1911.06earM4_dpp_k500_equal_weight 8.600.6610.7014.650.921.778.2167.940.193.669.44M4_dpp_k500_lgbm 8.120.7211.6020.161.132.686.9585.960.165.507.61M4_dpp_k500_linear 7.990.7111.4320.201.213.155.4183.690.145.9312.76M4_dpp_k800_equal_weight 8.630.6510.4814.450.941.777.8666.050.193.499.75M4_dpp_k800_lgbm 8.540.7512.0922.511.253.134.69101.060.147.289.96M4_dpp_k800_linear 7.620.6911.1919.511.193.175.8284.170.146.1413.04

多头超

多空年

多空波

多空多空最 ，Tushare除多样性外，AlphaEval还从以下三个角度进行筛选。IC、RankIC——（GLMDeepSeek、豆包最后，将PPS、RRE和金融逻辑得分分别标准化，再进行加权合成，形成综合AlphaEval分数。RRE多头年多头 多头超 多空年 多空多头信 多空波 多空最RankICICIRICT化超额Sharpe 额最大 化收益 Sharpe息比率 动率 大回撤收益率比率回撤率比率AE_comp_deepseek_k200_8.070.7111.5020.391.142.726.7786.280.165.558.07lgbmAE_comp_deepseek_k500_8.060.7211.5520.431.142.746.6086.370.165.577.63lgbmAE_