RESEARCH · 研究白皮书

方法论与论文

从多因子模型、Stacking 集成、启动日分类到 GP 因子发现的完整技术原理与实验证据。

PAPERS · 核心论文

白皮书与研究

麟选量化体系的学术文档、方法论沉淀与实验报告

LP v8 · 核心模型

主升浪 LP v8 标签的回归学习

LP v8 是麟选独创的启动日分类体系。基于 25 因子 LightGBM 回归器, 5-Fold OOF IC=0.2194, 配合启动确认模块将 T+1 入场收益从 -0.16% 修正到 +0.49%。

label_v8 = quantile(fwd_ret_20d, [0.3, 0.7]) → {-1, 0, +1}
0.2194
OOF IC
25
核心因子
+0.49%
T+1 修复
📅 2026-06-15 · 5-Fold CV · 12 页
Stacking · 集成

七模型 Stacking 集成:从 0.30 到 0.47

系统对比 LGB/XGB/CB/RF 在 LP v8 标签上的表现, LR meta-learner 将 OOF IC 从 0.2194 提升到 0.4679(+113%)。

y_pred = σ(w₀ + Σ wᵢ · model_i(X)), w via L-BFGS
0.4679
Stacking IC
7
基模型
+113%
增益
📅 2026-06-15 · Time-Series CV · 18 页
GP · 因子发现

遗传规划在 A 股因子发现中的应用

零第三方依赖(仅 NumPy)的轻量 GP 实现, 锦标赛选择 + 子树交叉 + 高斯变异, 50 代演化发现 IC>0.05 新因子。

fitness = 0.5·IC + 0.3·|IC_IR| + 0.2·turnover_penalty
50
代数
0.05+
IC 阈值
NumPy
零依赖
📅 2026-06-19 · Evolutionary · 14 页
IC · 因子监控

因子 IC 生命周期管理

5 维 IC 健康度评估框架, 任意 3 维连续 5 日低于阈值触发软剔除, 保留可恢复机会。

health = Σ αᵢ · 𝟙[dimᵢ > thresholdᵢ]; drop if health < 0.4 for 5d
5
健康维度
5d
软剔除窗
0.4
剔除阈值
📅 2026-06-18 · 1,273 因子 · 16 页
ZFP · 防假

四源确认 + 软评分:ZFP 假阳性到协同降级

趋势线/量能/资金流/板块共振四源独立验证, 软评分取代硬阈值, 假阳性率从 18% 降至 6%, 仅牺牲 4% 召回。

soft_score = Σ wᵢ · source_i; execute if soft_score > 0.6
18%→6%
假阳性
4 源
独立验证
-4%
召回代价
📅 2026-06-18 · ZFP v2 · 10 页
Falcon · 选股

鹰眼五重确认:3000→3 的过滤架构

不追求预测所有股票, 只猎杀最高确定性机会。Gate 0-5 逐层过滤:硬条件→模型→MetaV2→MTF→Golden Checklist。

P(win) = Πᵢ P(gate_i) where gate_i are independent confirmations
5
Gates
3000→3
过滤比
85%+
目标胜率
📅 2026-06-20 · Falcon System · 8 页