开源金工特色遗传算法简介
　　在算子部分，我们引入了4大类算子，第一大类为横截面算子，其中除了较为常见的基本运算符，我们考虑了“回归算子”，这个算子是大小单残差因子的来源；第二类为时序算子，我们创新性的引入了“切割算子”，其是我们的招牌因子理想反转、理想振幅等的来源；第三大类是横截面和时序算子的结合，这一类组合算子的加入可以减少公式长度的同时涵盖更多信息；第四大类为逻辑判断，其可以进行变量的状态转化。
　　在变量部分，我们引入了日内量价、日间量价以及资金流相关指标，细分指标里除了基本统计指标，我们也融入了些特色指标，部分指标进行了标准化处理。
　　在遗传算法的具体流程上，我们从个体初始化到初始种群的生成，再到选择、交叉、变异，每一步都做了对应的针对性改写，使其更加高效的进行因子挖掘。
　　遗传算法挖掘出的因子结果展示
　　经过一轮完整的迭代，我们得到了近200个有效因子，进一步地，我们选取样本内RankICIR大于3.5的个体，并将其合成，综合因子全区间RankICIR为5.52，效果非常亮眼。除此之外，我们在挖掘出的因子中进一步精筛，选取了8大因子进行后续的逻辑解释和衍生测算，对我们已有的人工因子库为有效的补充。
　　沙里淘金：部分因子的再探究
　　1、我们解决了超大单好看不好用的痛点，发现“小单切割”是其关键的因素，其中在小单强度较高处，超大单强度呈现正IC，而在小单强度较低处却呈现出负IC。针对于这一现象，我们从行为金融学角度出发，引出了超大单关注度效应，是对我们以往资金流研究的重要补充，该因子RankICIR为2.88，5分组多空收益波动比为2.63，月度胜率为82.4%；
　　2、针对于理想反转和理想振幅而言，我们发现了替代的形式，丰富了收益率和振幅改进的手段，其中将振幅替换为日内分钟收益波动，绩效有进一步的提升，RankICIR由-3.58提升至-4.08；
　　3、我们利用日内分钟特征如分钟收益波动、分钟量价相关性、分钟标准成交量波动，并结合算子“日间时序极差”定义了交易情绪不稳定性因子，该因子表现较为出色，RankICIR为-3.43，5分组多空收益波动比为3.35，月度胜率为84.2%，是对传统振幅波动率因子很好的改进；
　　4、类似于散户羊群效应中“时序相关性”算子，我们发现振幅与分钟收益波动以及分钟标准化成交量波动的相关性因子效果较好，将两个因子合成后定义了主力控盘能力因子，该因子的绩效为RankICIR为2.82，5分组多空收益波动比为2.46，月度胜率为80.7%
　　风险提示：本报告模型基于历史数据测算，市场未来可能发生重大改变。