国金金融工程高智威丨Alpha掘金系列之十五：基于OpenFE框架的机器学习Level2高频特征挖掘方法

文章预览

金选·核心观点 因子挖掘与OpenFE框架介绍 我们在前期报告中进行了部分高频因子构建研究，但部分在日频量价因子中可以使用的自动化挖掘模式，如遗传规划等，在高频领域实现有较大困难。在本篇报告中，我们借鉴OpenFE的框架，实现对高频因子的批量化挖掘。该框架介绍了一种在机器学习领域自动化生成特征的通用方法，将基本特征转换为信息量更大的特征，投喂各类模型后能获得更好效果。该框架提出了先扩张（Expansion）再缩减(Reduction)的方案，并将缩减过程分为两步（连续二分法和特征重要性归因）。 在扩张阶段，框架会使用我们设计的所有算子进行特征遍历，一次性得到大量特征。在缩减阶段，首先使用连续二分法对样本数据随机采样，随着轮次增加，所用样本长度逐渐提升、特征数量逐渐减少。同时使用FeatureBoost避免每次都使用所有特 ………………………………