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

要約

財務データの変動性と低い信号対雑音比は、解釈可能性の必要性と相まって、アルファファクター マイニング ワークフローを定量的投資の重要な要素にしています。
初期の手動抽出から遺伝的プログラミングに移行するこの分野での最も先進的なアプローチは、現在強化学習を採用して、固定重みを持つ一連の組み合わせ因子をマイニングしています。
しかし、結果として得られるアルファ係数のパフォーマンスには一貫性がなく、固定係数の重み付けの柔軟性のなさにより、金融市場の動的​​な性質に適応するには不十分であることがわかります。
この問題に対処するために、この論文では、アルファ要素のマイニングと要素の組み合わせのための 2 段階の公式アルファ生成フレームワーク AlphaForge を提案します。
このフレームワークは、生成予測ニューラル ネットワークを採用して因子を生成し、同時に多様性を維持しながら深層学習に固有の堅牢な空間探索機能を活用します。
フレームワーク内の組み合わせモデルには、選択のための因子の一時的なパフォーマンスが組み込まれており、各コンポーネントのアルファ因子に割り当てられた重みが動的に調整されます。
現実世界のデータセットに対して行われた実験は、私たちが提案したモデルが公式アルファ因子マイニングにおける現代のベンチマークを上回るパフォーマンスを示していることを示しています。
さらに、私たちのモデルは、定量的投資の領域内でポートフォリオの収益が顕著に向上していることを示しています。

要約(オリジナル)

The variability and low signal-to-noise ratio in financial data, combined with the necessity for interpretability, make the alpha factor mining workflow a crucial component of quantitative investment. Transitioning from early manual extraction to genetic programming, the most advanced approach in this domain currently employs reinforcement learning to mine a set of combination factors with fixed weights. However, the performance of resultant alpha factors exhibits inconsistency, and the inflexibility of fixed factor weights proves insufficient in adapting to the dynamic nature of financial markets. To address this issue, this paper proposes a two-stage formulaic alpha generating framework AlphaForge, for alpha factor mining and factor combination. This framework employs a generative-predictive neural network to generate factors, leveraging the robust spatial exploration capabilities inherent in deep learning while concurrently preserving diversity. The combination model within the framework incorporates the temporal performance of factors for selection and dynamically adjusts the weights assigned to each component alpha factor. Experiments conducted on real-world datasets demonstrate that our proposed model outperforms contemporary benchmarks in formulaic alpha factor mining. Furthermore, our model exhibits a notable enhancement in portfolio returns within the realm of quantitative investment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google