从一个研究想法，到一个真正可以提交的因子，需要多久？

比如，你发现某类数据可能和未来收益存在关系，想进一步验证这个规律是否有效。

但从想法到因子，中间还需要完成数据准备、因子设计、效果分析等多个环节。

对于刚接触量化的人来说，难点往往不是没有想法，而是不知道如何把想法变成一个可以验证的因子。

而随着 AI 工具的发展，因子研究也开始有了新的辅助方式。

在第四届 AI 量化因子大赛赛前培训中，PandaAI 首席推荐官曹鑫老师演示了如何利用 AI 完成一次完整的因子挖掘流程。

通过 AI + 因子挖掘 Skill，用户可以让 AI 参与因子生成和筛选流程。

下面，就是一套从创建因子池，到生成、分析、筛选因子的完整流程。

第一步：创建因子池

开始挖因子之前，需要先有一个存放和管理因子的地方。

进入PandaAI第四届因子大赛页面后，完成报名，并创建自己的因子池。

（创建因子池）

因子池可以理解成你的“因子实验室”。

后续 AI 生成的因子、因子分析结果以及最终准备提交比赛的因子，都会在这里管理。

（因子池）

创建因子池时，需要设置一些基础信息，比如：

因子池名称；

因子风格；

调仓周期。

其中调仓周期比较重要。

因为不同周期对应不同研究逻辑，比如日频、周频、月频，后续因子测试结果也会不同。

准备好因子池之后，就可以开始进入 AI 挖因子的环节。

第二步：安装因子挖掘 Skill

很多人会有一个疑问：

“我直接打开 ChatGPT，让它帮我生成一个因子，不行吗？”

可以尝试，但效果通常有限。

因为普通 AI 并不了解你的量化研究环境。

它不知道：

有哪些金融数据可以使用；

哪些因子算子可以组合；

一个因子应该如何表达；

生成之后应该如何分析。

所以，在真正开始挖因子之前，需要先给 AI 增加一个“量化研究能力”。

方法很简单：

在第四届因子大赛页面复制本地挖因子入口的“一句话安装”指令，然后粘贴到Claude Code、Cursor、Codex 等任一AI 工具中。

（本地挖因子入口，复制口令）

AI 会自动完成因子挖掘 Skill 的安装。

安装完成后，AI 就拥有了一套因子研究能力。

它知道如何调用相关数据、使用算子，并根据你的需求生成因子。

简单理解：

以前，你需要告诉 AI：

“应该怎么做量化研究。”

现在，你先给 AI 一个量化研究助手，再让它帮你探索。

第三步：让 AI 生成候选因子

Skill 安装完成后，就可以开始挖因子了。

这里有一个关键点：

不要直接问 AI：

“帮我找一个赚钱因子。”

因为量化研究不是寻找一个万能公式。

真正的方法，是先提出一个研究假设。

比如：

你想研究趋势，可以告诉 AI：

“我想研究股票过去一段时间的价格变化是否能够预测未来收益，请生成相关因子。”

如果你想研究成交量，可以告诉 AI：

“我想研究成交量变化和未来收益之间的关系。”

如果你想研究市场波动，可以告诉 AI：

“请基于波动率方向设计一些候选因子。”

AI 会根据你的研究方向，结合已有的数据字段和算子，生成对应的因子表达式。

例如：

价格涨跌幅；

成交量变化率；

均线偏离程度；

波动率指标；

不同变量组合后的复合因子。

这一步的重点不是得到一个最终答案，而是快速获得一批可以测试的候选因子。

第四步：加入因子池，查看因子表现

AI 生成因子之后，并不是直接提交、参赛。

而是需要把生成的因子添加到自己的因子池中，查看对应的数据表现。

在因子池中，可以看到每个因子的 ICIR 等指标，通过这些数据判断哪些因子值得保留。

表现较好的因子可以继续保留，效果较差的因子则可以删除，再继续尝试新的方向。

因子研究本身就是一个不断筛选和优化的过程。

AI 可以帮助你快速生成大量候选因子，但最终仍然需要通过数据验证，找到表现更稳定的因子。

如果筛选后发现当前因子的表现并不理想，可以继续调整研究方向和提示词，让 AI 探索新的可能。

比如：

如果当前生成的是偏价格趋势方向的因子，可以修改提示词，让 AI 尝试加入成交量、波动率等不同维度；

如果某类因子的表现不理想，也可以调整研究目标，让 AI 尝试新的组合方式。

需要注意的是，AI 挖因子并不是简单地生成一次公式。

同一个 Skill，在不同的问题设定下，也可能产生不同的结果。

因此，如何提出研究问题、如何引导 AI 探索，也是因子研究中的重要环节！

第五步：筛选因子，模拟提交

当你从因子池中筛选出表现较好的因子后，可以先进行模拟提交，提前查看因子的模拟运行效果。

需要注意的是，8 月份的模拟提交仅用于测试和观察，不会计入正式比赛成绩。

9 月 1 日正式比赛开启后，即可提交自己的参赛因子。

比赛期间，每月 1-3 日开放因子调整，支持对因子池中的因子进行新增或删减。

由于PandaAI第四届因子大赛总共能提交五十个因子，建议大家在提交前结合因子的历史表现、稳定性等指标进行筛选，保留更具竞争力的因子参与比赛。

所以，用AI挖因子的整个流程可以简单理解为：

报名比赛，创建因子池；

↓

复制本地挖因子指令，安装因子挖掘 Skill；

↓

让 AI 根据研究方向生成因子；

↓

查看因子指标，筛选合适因子；

↓

提交比赛。

按照这套流程，量化小白也能完成从因子生成、数据分析到最终提交的一次完整因子研究实践。

如果你想进一步了解 AI 挖因子的完整过程，可以扫码下方二维码查看曹鑫老师的赛前培训回放！

此外，曹鑫老师还分享了，很多在不同场景下使用不同 AI 工具的使用去挖因子的方法。

写在最后...

因子研究的核心，是不断提出问题，并通过数据验证问题。

AI 并不会直接给出一个确定有效的因子，但它可以帮助你更快完成从想法到因子的过程。

第四届 AI 量化因子大赛已正式开启！

这一次，不管你是否有量化研究经验，都可以借助 AI 开始自己的第一次因子探索。

从一个研究想法开始，用 AI 跑通一次完整的因子挖掘流程。

期待在第四届 AI 量化因子大赛中看到你的因子。