东方证券：量化策略系列之八：DFQ机器学习行业轮动模型

以基本面为主的行业轮动策略表现不佳: DFQ 工业类行业轮动体系基于 38 个证监会二级行业构建，转化为中信一级行业后会损失较多信息。2020年以来 top5 行业组合年化超额仅为 3.33%。行业动量轮动策略近两年表现不佳:DFQ 行业动量轮动策略2020年以来top5行业组合年化超额仅为 3.68%，2023和2024年均未获正超额。用机器学习选股因子合成行业因子将机器学习模型训练出的选股因子，按个股市值加权，合成为行业因子，进行行业轮动。vae、xgb 模型的多头端top5 行业组合整体表现较好，2020年以来top5 行业组合年化超额收益可达 10%以上。但由于模型的选行业能力只是选股的副产品，行业轮动因子是否有效很大程度上取决于运气，使用起来不够稳健。DFQ 遗传规划行业因子挖掘系统介绍

前期我们开发出了一套高效的 DFQ遗传规划因子挖掘系统。模型主要有7点改进:提升初始种群质量，提升每代种群质量，提升每代产生的有效公式数量，避免公式膨胀，动态调整每代进化参数，降低挖掘因子的相关性，避免无效运算。