遗传编程因子挖掘：让表达式树自己进化出可交易 alpha
手工构造因子是『人想公式、数据验证』，遗传编程反过来：把因子表达式编码成树（叶子是特征、内部节点是算子），用交叉互换子树、变异随机替换、锦标赛选择淘汰弱者，让公式在 IC 适应度的驱动下自己进化。本文纯 Python 实现极简 GP 引擎：600×100 合成面板埋入非线性真结构 mom*exp(-|vol|)-0.5*rev，进化 25 代后找到 (mom - rev)，验证集 IC 0.098——超过最强单因子（0.078）、逼近真实结构上限（0.105），而且简约压力把树从平均 6.1 节点压到 3.8，没有膨胀成垃圾。但要害在最后一图：500 个随机公式在纯噪声特征上搜索，训练 IC 被『迄今最优』推着单调上涨到 0.018——数据挖掘偏差意味着 GP 天生是过拟合机器，防御靠简约压力+验证集早停+多种子重跑看表达式是否稳定（中阶）。