财务报表Alpha信息挖掘 - 财务因子生成范式包含数据层（三张报表、预告、快报、财务附注）和算子层（14个算子），共挖掘约10万个因子 [1][15][17] - 初步筛选标准为RankIC均值绝对值>2%、年化RankICIR绝对值>1.5、多头月均超额>0.3%、多空月均收益>0.6%，筛选出4427个有效因子 [28][35][40] - 无效因子案例：未分配利润/销售费用比因子RankIC均值接近0，多空年化收益仅1% [32] 多维度财务因子扩容 算子改进 - 截面分位差算子（PercentileA2B）替代传统比值算子，解决分母极端值问题，EPRank因子多头月均超额0.64% vs EPTTM因子0.43% [45][48][53] - 改进后单季度EPRank因子RankIC均值6.94%，年化RankICIR 2.77，多头月均超额0.96% [61] 数据扩容 - 财务附注数据构建390个因子，合成后复合因子RankIC均值4.78%，年化RankICIR 2.69，多头月均超额0.77% [62][71] - 所得税指标构建复合因子RankIC均值4.62%，年化RankICIR 2.60，与常见因子相关性<0.3 [88][89][92] - 引入业绩预告/快报数据使NPQYOY因子RankIC均值从3.47%提升至4.26%，多头月均超额从0.53%提升至0.72% [102][103] Alpha因子库增强 传统合成方法局限 - 全因子加权合成易导致风格偏移，如价值风格因子库合成后RankIC均值8.17%，成长风格库仅6.01% [113][116] 聚类增强方案 - 采用Leiden算法将24个基准因子聚类为8类（价值/低波/成长等），大类因子间相关系数<0.4 [129][131][133] - 聚类复合因子RankIC均值11.43%，年化RankICIR 4.54，多头月均超额1.31% [134][138] - 增量筛选法扩容后，成长大类因子年化RankICIR从2.84提升至3.90，多头月均超额从0.95%提升至1.14% [146][147] 聚类增强因子表现 - 全市场表现：RankIC均值12.08%，年化RankICIR 5.32，多头年化超额25.1% [6][148][151] - 分域表现：中证1000成分股RankIC均值12.54%，小市值股票池RankIC均值13.27% [161] - 剥离测试：残差因子RankIC均值仍高于2%，证明增量信息有效性 [93][164]