因子选股系列之八十一：周频量价指增模型

有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 金融工程 | 专题报告 研究结论 ⚫ 近年来以神经网络、决策树为代表的机器学习模型在日间高频量价选股模型中大放异彩，然而公募、保险等量化机构由于交易成本高、合规风控严等原因很难直接大规模采用高频策略，短期内借鉴高频量价中的一些方法应用在周频等相对低频的领域更有现实意义。 ⚫ 传统的 alpha 模型一般分为 alpha 因子构建和因子加权两个步骤，前者我们基于循环神经网络设计多元因子单元从量价特征序列中学习长期有效且低相关的 alpha 因子，后者我们采用动态加权方法给予近期表现较好的因子更高的重要性，以此兼顾更多学习样本和 alpha 时变性的平衡。 ⚫ 本文采用原始日线数据 rawbar、分钟特征序列 mschars、L2 特征序列 l2chars 共三个数据集，每个数据集构建 3 个因子单元，从每个数据集汇总打分的选股表现来看，同时生成多个 alpha 因子的多元因子单元明显优于生成唯一预测的神经网络，另外简单直接的 rawbar 并没有明显弱于精心设计的 mschars 也说明因子单元强大的特征提取能力。 ⚫ 近年来量价因子由于因子拥挤多头收益不断回落而空头保持稳定，根据长周期数据训练的因子单元难以捕捉这种近期才出现的非线性，我们采用 LightGBM 实现的GBDT 动态加权因子在一定程度上缓解了这种非线性，模型得分相对 maxic 在分组的多头端收益有所改善，这种改善在容易出现因子拥挤的情形下更加明显。 ⚫ 损失函数直接决定了模型学习的方向，损失函数中预测收益率 label 的选择应该充分到可交易性，同时在组合存在换手控制的情形下应该适当拉长预测收益率使得组合收益和损失函数更加匹配。 ⚫ 本文构建的模型得分和常见非量价大类因子的因子值相关性极低，模型完全根据量价信号生成，和基本面信号信息重叠较少，两者互补优势明显，通过回归剔除其他大类因子后模型得分 RankIC 小幅回落但 IC_IR 提升，top 组合 2017 年以来年化收益（次日 vwap 成交，未扣费）从 42.7%小幅回落至 38.7%。 ⚫ 模型得分可以作为一个大类因子用于指数增强，也可以单独用来构建指数增强组合，在不考虑成分股限制、周单边换手 30%的情况下，纯量价模型中证 500 增强2017 年以来费后年化对冲收益 21.3%，沪深 300 增强 11.2%，考虑成分股 80%约束后上述收益回落至 19.1%和 11.1%。 风险提示 ⚫ 量化模型失效风险 ⚫ 市场极端环境的冲击 中证 500 指数增强模型各年度业绩（次日 vwap 成交，双边费率千三） 数据来源：wind、上交所、深交所、东方证券研究所 年化2017年2018年2019年2020年2021年2022年收益率18.8%12.8%36.1%9.1%23.8%12.6%4.0%波动率6.9%5.0%7.3%6.2%7.7%7.7%7.3%最大回撤-6.7%-3.0%-4.9%-3.7%-4.1%-6.7%-1.6%收益率21.3%15.0%38.7%11.7%28.9%15.1%2.3%波动率7.0%5.3%7.2%6.3%8.0%7.6%7.0%最大回撤-6.2%-3.3%-4.7%-3.2%-4.6%-6.2%-1.5%收益率21.2%13.6%41.7%14.6%25.5%14.4%1.6%波动率7.0%5.4%7.5%6.4%8.0%7.5%6.9%最大回撤-6.3%-3.1%-4.8%-3.3%-4.7%-6.3%-2.1%收益率21.5%13.9%42.0%16.4%22.9%16.5%1.3%波动率7.1%5.5%7.5%6.5%7.9%7.7%6.8%最大回撤-6.4%-3.6%-5.1%-3.4%-4.8%-6.4%-1.8%delta=0.20avgto=0.22delta=0.30avgto=0.32delta=0.40avgto=0.42delta=0.50avgto=0.53报告发布日期 2022 年 03 月 28 日 朱剑涛 021-63325888*6077 zhujiantao@orientsec.com.cn 执业证书编号：S0860515060001 王星星 021-63325888*6108 wangxingxing@orientsec.com.cn 执业证书编号：S0860517100001 神经网络日频 alpha 模型初步实践：——因子选股系列之七十四 2021-03-11 因子加权过程中的大类权重控制：——因子选股系列报告之六十八 2020-08-04 东方 A 股因子风险模型（DFQ-2020）：东方 A 股因子风险模型（DFQ-2020） 2020-05-28 周频量价指增模型 ——因子选股系列之八十一 金融工程 | 专题报告 —— 周频量价指增模型 有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。 2 目 录 一、关于量价模型 .......................................................................................... 4 1.1 研究背景与目的 ............................................................................................................ 4 1.2 模型结构概述 ............................................................................................................... 4 1.3 数据说明 ...................................................................................................................... 5 二、因子单元 ................................................................................................. 6 2.1 量价时序数据集 ........................................................................................................... 6 2.2 因子单元模型与训练 ...............................................................................