因子精选
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_7641c221/factor-prune。
技能介绍
要解决什么问题
多因子研究里,上游 stock-factor 往往会吐出一整池带 IC、IR、time_potential、coverage 的因子表——候选动辄数百个,彼此高度相关。若直接把整池丢进合成或回测,既浪费 QuantAll 算力,也容易让「看起来有效、实则冗余」的因子挤满组合。本技能只做因子筛选:把大池子收成一小撮高有效、低冗余的清单,后续合成与回测不在范围内。
技能如何工作
核心是贪心前向选择 + 去相关。推荐用 prune_flow.py 六步法:prescreen 按单文件 IR 预筛 → init 聚合并按 coverage 感知排序 → run 循环调用 QuantAll 的 batch_factor_corr,以首行因子为基准剔除 corr_threshold 以上的冗余项,直到达到 max-selected 或池子耗尽。默认参数上,文档实测建议 IR 门槛约 0.5、相关阈值 0.35~0.5,避免 0.8 几乎杀不掉冗余的对照组。另有 prune.py 保留 corr_matrix.json,适合同一批因子换阈值重放;window_opt.py / window_prune.py 可按因子值 top10% / bottom10% 分侧再筛,输出换名并存。
配套脚本包括 factor_heatmaps.py、factor_pairs.py 等,用于在已有精选表上做单因子或双因子热力图探查冗余与联合预测形状;最终产物为含 code、IR/IC、source_file 的 xlsx(如 scripts/factor-pure.xlsx),可直连 QuantAll 使用。
边界与注意点
- 上游输入:依赖
output/*.xlsx形态,与stock-factor字段约定一致(含feature_days等)。 - 计算依赖:相关性由 quantall-mcp(全 A 解析) 承担;QuantAll 只能单实例,忙锁时需退避重试,切勿误起第二个
Start_QuantAll.py。 - 不做:正交/多因子合成(M3)、策略回测、「排雷器」类后续分析;v1.0.0 已从旧版中剥离这些能力。
使用场景
- stock-factor 批量产出多份 xlsx 后,需把每文件 top 候选聚合成全局清单并控在约 50 个去相关因子
- 同一批因子想先试 IR>0.3 预筛、再按 corr 0.35 与 0.5 两套阈值对比,需用缓存矩阵法重放而非重算全部配对
- 精选清单已有,要画单因子十分位×收益热力图或遍历双因子对,检查组合是否还有增量而非对角条纹冗余
- 某类因子在整体 IC 一般,但只希望保留对高因子值组或低因子值组(top/bottom 10%)仍有效的名字
适合人员
- 维护内部因子库、每周合并 stock-factor 输出并要固定产出 QuantAll 可用 code 表的量化研究员
- 用 AI 编排 prune_flow 六步但不愿手敲循环去相关、希望脚本直连 QuantAll 的算法工程师
- 在扩容新因子家族时只补 prescreen 单文件、控制 aggregate-keep 规模的因子平台维护者
- 需要把「只筛选、不回测」与下游合成技能解耦的多因子流水线负责人