AlphaPROBE：基于DAG与贝叶斯检索的量化Alpha因子自动挖掘框架

在量化金融领域，一个核心且持久的挑战是如何从嘈杂、高维的市场数据中系统性地提取具有预测能力的信号。Alpha因子挖掘正是应对这一挑战的主要方法，其目标在于构建多元化的因子组合，以期获得超越市场的稳定收益。近年来，随着计算能力的提升和算法的发展，自动化的Alpha因子发现方法应运而生，但现有范式在全局视角和搜索效率上仍有局限。

具体来说，当前主流的自动化方法可归纳为两种范式：解耦因子生成（DFG） 与 迭代因子进化（IFE）。DFG范式专注于独立地生成新因子，虽便于广泛探索，但因子之间关系薄弱，难以形成系统性的知识积累；而IFE范式虽然通过迭代优化现有因子，却往往缺乏全局结构视角，容易陷入局部最优或产生冗余搜索。这些方法普遍忽视了一个关键问题：因子池并非孤立个体的集合，而应被视作一个具有内在进化逻辑的动态网络。

本文介绍了一种创新的解决方案——AlphaPROBE框架。它将Alpha因子挖掘问题重新定义为在一个有向无环图（DAG） 上进行战略性导航与创建的过程。该框架通过一个由贝叶斯因子检索器和DAG感知因子生成器组成的闭环系统，实现了高效且富含结构信息的因子搜索。简单来说，它不仅“生”因子，更懂得如何“优生优育”，利用全局进化历史来指导每一步的探索。

在技术社区如 云栈社区 中，对于结合 数据挖掘 与复杂系统建模的前沿方法讨论日益热烈。AlphaPROBE正是这一交叉领域的典型实践。

方法概览

AlphaPROBE的核心思想是将因子池组织成一个DAG，其中节点代表因子，边表示“父子”衍生关系。整个框架旨在解决两个紧密耦合的子问题：

1. 战略检索：在图中寻找最优的父因子，以最大化其未来可能生成的子因子的预期质量。
   
2. 目标生成：利用所选父因子及其在图中的上下文信息（即其“家谱”），生成高质量、新颖的子因子。
   

下图展示了AlphaPROBE的整体架构，它是一个由贝叶斯因子检索器与DAG感知因子生成器构成的闭环系统。

贝叶斯因子检索器

如何从众多因子中挑选出最具潜力的“种子”进行下一步演化？这本质上是一个探索与利用的权衡问题。AlphaPROBE的贝叶斯因子检索器为此提供了一个原则性的解决方案。

检索器的任务是为候选父因子 F 评分，该分数正比于其产生高质量后代 F_new 的概率。在贝叶斯框架下，该概率可分解为：

• 先验 P(F_new)：代表因子 F 本身的内在潜力。它不仅考虑了因子经过风险调整后的质量 Qual(F)，还引入了两项关键的拓扑惩罚项：

  1. 深度惩罚：对经过长链优化（深度depth(F)大）的因子施加惩罚，以避免过度优化和过拟合。
  2. 检索惩罚：对已被频繁选作父因子（次数k(F)多）的因子施加惩罚，以鼓励探索搜索空间的其他区域。
     

• 似然 P(D|F_new)：评估新因子 F_new 对当前整个因子池生态系统 D 的贡献价值。这里的估计策略取决于父因子 F 的类型：

  • 叶因子（尚未产生成功后代）：通过衡量新因子与池中现有因子在价值、语义、语法三个维度的多样性来估计其潜在价值。
    
    其中，价值多样性 ValDiv 计算因子收益序列的相关性差异，语义多样性 SemDiv 基于因子表达式的嵌入向量计算，语法多样性 SynDiv 则基于编辑距离衡量表达式结构的差异。
  • 非叶因子（已有成功后代）：基于其历史成功记录进行更可靠的预测。似然项近似为其子因子集合 C(F) 的总体质量 PG 与稀疏性 Spar 的乘积。稀疏性 Spar 进一步考虑了父子间与子代间的相关性，以鼓励生成多样化的后代。
    
    

检索器最终分别对叶节点和非叶节点进行排序，选取全局分数最高的 k 个因子作为父因子候选，传递给下一阶段的生成器。

DAG感知因子生成器

当检索器选定父因子 F_p 后，生成器负责在其基础上创造新因子。与简单的随机变异不同，AlphaPROBE的生成器是一个三阶段、充分感知DAG结构的工作流：

1. 分析师：分析父因子 F_p 的完整进化路径 T(F_p)，并制定出一组抽象的修改策略 {S_1, ..., S_m}。
   
2. 执行者：将每条抽象策略 S_i 具体化为一个候选因子表达式 F'_c,i。这里通常会利用强大的 大语言模型 来理解和执行复杂的代码生成与修改指令。
   
3. 验证器：检查生成的候选表达式在语法和预设约束（如长度）上的有效性，过滤掉无效部分。最终通过验证的新因子集合 {F_c} 会被加入到DAG中，作为 F_p 的子节点，从而完成一次进化循环。

实验与结果

为了验证AlphaPROBE的有效性，研究团队在沪深300（CSI300）、中证500（CSI500）和中证1000（CSI1000）三个中国A股代表性数据集上进行了全面实验。

实验设置：

• 评估指标：涵盖预测能力（如信息系数IC、信息比率ICIR）和投资组合构建表现（如年化收益率AR、最大回撤MDD、夏普比率SR）。
• 对比基线：包括人工专家因子池（Alpha158）、传统遗传规划（GP）、以及多种最新的基于DFG和IFE的先进方法（如AlphaGen, AlphaForge, AlphaAgent等）。
• 实现细节：采用DeepSeek V3.1作为骨干大语言模型，池容量设置为50，关键超参数深度惩罚γ和检索惩罚ω分别设为0.05和0.10。

主要结果：
下表展示了AlphaPROBE与所有基线在三个数据集上的性能对比。加粗和下划线数字分别表示最佳和次佳结果。

从结果中可以得出两个核心结论：

1. 卓越的预测能力：AlphaPROBE在IC、RIC、AR等核心预测指标上全面领先，表明其挖掘出的因子对未来股票收益具有更强的预测性。
2. 出色的稳定性与鲁棒性：AlphaPROBE在ICIR、RICIR、SR等风险调整后指标上表现更优，同时最大回撤MDD更低，证明其对于市场制度变化具有更强的适应性和稳定性。

回测表现：
在CSI300上的实际回测曲线进一步印证了其有效性。如下图所示，AlphaPROBE构建的投资组合在大部分时间里累计回报领先，并在市场压力时期（如2023年末至2024年初的熊市）表现出更好的抗跌性和恢复能力。

消融分析：
研究通过系统的消融实验验证了框架各个组件的必要性。下表结果显示，无论是用随机/启发式检索器替代贝叶斯检索器，还是移除先验、似然、拓扑惩罚等关键设计，又或是用简单的思维链生成器替代DAG感知生成器，都会导致性能的显著下降。

参数敏感性与效率：
参数敏感性分析表明，AlphaPROBE在超参数γ和ω的合理范围内（如0.05-0.15）表现稳健。效率分析则显示，得益于检索器对全局拓扑信息的利用，AlphaPROBE能够以更少的训练迭代次数达到更优的性能，收敛速度显著快于其他基于大语言模型的基线方法。

总结与展望

本文提出的AlphaPROBE框架，通过将Alpha因子挖掘建模为在有向无环图（DAG） 上的战略导航问题，创新性地整合了贝叶斯因子检索与DAG感知的因子生成，形成了一个高效的闭环发现系统。实验证明，该框架不仅能挖掘出预测能力更强的因子，还能构建出层次清晰、稳定性高的因子库，显著提升了自动因子发现的效率与质量。

未来，这一框架有望从传统的日频量价因子挖掘，拓展至高频交易、基本面因子合成等更广阔的场景，为量化金融的自动化研究提供新的强大工具。