### 摘要 本文基于聚宽的开源数据模块jqdatasdk获取标的的行情数据，使用gplearn构建了alpha因子表达式，并采用jqfactor_analyzer对构建的alpha因子进行了单因子分析，为因子挖掘提供了一条思路。 根据先验知识，对金融数据建模，进一步构建因子及策略是一种常用的方法。但毕竟领域的先验知识是有限的，我们有时候也没有足够的先验知识，此外进行因子组合也经常需要耗费大量精力，构建的因子还不一定有效，需要进一步筛选和优化。 gplearn基于遗传规划提供了解决思路：随机生成大量特征组合，解决了没有先验知识，手工生成因子费时费力的问题；通过遗传算法进行有监督的因子组合迭代，大量低相关因子会在迭代中被淘汰掉，留下较优的因子；不过此方法也不是万能的，有过拟合的风险。 此外虽然市面上有流行alpha191和alpha101等类似的因子，但鲜有文献详细描述构建原理及方法。 有关遗传规划的相关理论知识就不在此赘述了，感兴趣的同学可以自行查阅相关资料。 本文主要起抛砖引玉的作用，希望了解这部分知识的同学能分享下相关经验或知识，谢谢！ 下面贴一个因子表达式的结构图，仅供参考：  ## 参考文献 - jqdatasdk文档：https://www.joinquant.com/help/api/help?name=JQData - jqfactor_analyzer文档：https://github.com/JoinQuant/jqfactor_analyzer - 因子分析：https://www.joinquant.com/help/api/help?name=factor - 单因子分析：https://ke.qq.com/course/394206 - gplearn文档: https://gplearn.readthedocs.io/en/stable/ - 华泰金工: 基于遗传规划的选股因子挖掘——华泰人工智能系列之二十一 - 华泰金工: 再探基于遗传规划的选股因子挖掘——华泰人工智能系列之二十三 - 广发证券：基于遗传规划的智能交易策略方法——另类交易策略系列之九 - 申万宏源: 寻找不一样的ALPHA-遗传算法和遗传规划 - 国盛证券:多因子系列之八，日间量价模型研究