use-gplearn-to-generate-CTA-factor

本文档使用gplearn模型进行因子生成。
在适应度函数定义方面，本文档采用收益回撤比进行定义。如何根据遗传规划算法得到因子值投资的细节参见simple-backtest部分。

主要文档说明

主要包含三个文档，依次为：

bkt_main.py

该文档是向量化回测框架的演示文档。在这里，汇总了从因子信号到仓位变换一直到最后的统计结果输出部分（输出结果被保存在bkt_rslt文件夹中）。这部分为遗传规划中适应度函数的定义提供了标准。

gp_basic.py

该文档是对遗传规划算法的演示文档。在该文档中，演示了遗传规划之下是如何逐渐逼近真实函数的。这部分为遗传规划中相关过程提供参照。
预计运行时间为1.6s

gp_main.py

该文档是通过遗传规划生成因子的详细过程。因为在进行这一操作时需要输入参数，因子该文档被最终设计为半自动化的因子生成过程。具体地，每次开始遗传规划前首先给定相关参数，之后根据训练集和测试集回测结果判断是否保存结果，以及是否进入下次循环（输出结果保存在gp_rslt中）。
在推荐参数设定下，预计运行时间为54s

版本历史说明

该文档共有三个版本。

230215 版本1通过input函数实现半自动化调参和结果保存，方便使用。

预计单次回测及生成统计量运行时间为1.6s
预计单次回测及生成统计量和图表运行时间为4.4s

230215 版本2需要手动在gp_main.py中调整选取参数，方便学习。

预计单次回测及生成统计量运行时间为1.6s
预计单次回测及生成统计量和图表运行时间为4.4s

230301 版本3在回测部分增加了止损限制。当单笔交易损失超过设定值后停止交易。

1
1
stop_loss = 0.96, stop_gain = 1.5