第 15~16 章：alpha 工厂——自动挖掘与机器学习

自动搜索：让机器写表达式（第 15 章）#

Huang 与 Intaraprasonk 描述的系统是全书最激进的工序：定义一组算子（rank、delay、correlation、decay……）和一组原料（价、量、财务字段），让程序组合枚举出海量候选表达式，统一回测，按 IC/IR/相关性自动筛选。世坤公开论文《101 Formulaic Alphas》里那些 rank(ts_argmax(signed_power(...))) 式的怪异公式，就是这条产线的样品。

两章的自辩与自警都值得记录：

• 自辩：人类研究员的想法枯竭得比 alpha 衰减还快，自动搜索是产能问题的唯一解；机器不带叙事偏见，能找到人类不会讲故事的信号；
• 自警：枚举一亿个表达式，纯噪声也会送来几千个”高 IC”——自动搜索的多重检验问题比人工研究严重几个数量级。书中的对策是提高验收门槛：更长样本外、更严相关性去重、要求信号族整体有效而非单点有效。

诚实地说，这章对”怎么把门槛定量”语焉不详——这正是《金融机器学习》里 Deflated Sharpe/PBO 要补的课，两本书在此接榫。

机器学习：工具而非魔法（第 16 章）#

Kozlov 的定位相当克制（与市面上的 ML 炒作形成反差）：金融数据信噪比太低、样本太少，深度模型直接预测收益率的性价比很差；ML 在世坤产线上更常见的岗位是配角——

• 特征组合器：把几百个已验收的 alpha 非线性组合成 mega-alpha（GBDT 类最常用）；
• 信号过滤器：判断某个 alpha 在什么市况下该信、该降权（类似元标签思想）；
• 数据加工器：从新闻文本、另类数据里提取结构化特征，再交给传统表达式。

结论一句话：ML 改变的是工序效率，不是验收标准——无论信号出自人脑、枚举器还是神经网络，IC/IR/相关性/样本外那关一视同仁。

工厂模式的中国分厂#

这套”海量研究员 + 标准化回测 + 相关性去重 + 信号组合”的模式，被世坤系创业者原样搬回 A 股：九坤（王琛、姚齐聪均出自世坤）是最彻底的复制者，灵均马志宇曾任世坤中国区研究总监（均见量化名人堂）。A 股散户占比高、低效更多，流水线的单位产出一度远高于美股——2021 年后超额普遍衰减，则是”alpha 是消耗品”的集体验证。

对本平台的启示#

个人研究者学工厂，学的是流程而不是规模：因子注册中心（research/factors.py）是你的表达式库，因子对比页是你的验收车间，量化学堂案例三是你的上岗培训。真要试自动搜索，从小算子集开始（rank/delay/diff × 价量），并把样本外门槛调到比手工因子更严——枚举越多，折扣越狠。

带走的三句话#

1. 自动搜索解决产能，但多重检验问题同步放大——枚举规模越大，验收折扣必须越狠；
2. ML 在成熟产线上是配角：组合信号、过滤信号、加工数据，而不是端到端预测价格；
3. 工具再先进，验收标准不变：样本外 IC/IR、低相关、费后为正，三关全过才算 alpha。