本篇报告利用股指期货的量价数据，基于传统的基础量价因子，使用遗传算法对量价因子进行了重新组合构建，测试了新因子组的择时效果，并在此基础上提出了多种可能有效的改进方式。
　　传统量价因子：主要通过基本的量价指标，从金融经济、经验角度，进行一定的计算构造而成。
　　基于遗传算法构建的量价因子：
　　构造方法
　　◆将传统的量价因子和基础量价指标编码为遗传算法中的基础染色体，每个染色体代表一种特定的因子策略。
　　◆随机生成一组初始的因子组合，并对该组合的适应度进行评估。
　　◆根据因子的适应度的表现，选择较好的因子组合进行继续繁殖，生成新的子代。
　　◆通过交叉操作（结合两个因子组合的特征）和变异操作（随机改变某些因子的特征）来产生新的因子组合。
　　◆重复上述过程，直到找到满意的因子组合或达到预设的迭代次数。
　　遗传算法因子构造改进方面
　　◆为了保证因子的可拆分性以及可解释性，应当考虑优先选择复杂度较低的因子，尽量避免过长的计算流程
　　◆对于历史回测表现较为优秀的因子，应当重点分析其内部逻辑，能够做到对市场环境具有适应的能力
　　可考虑增大筛选遗传算法因子时所设置夏普比率阈值，以求获取质量更高的因子组合