国金证券-Alpha掘金系列之三：高频非线性选股因子的线性化与失效因子的动态纠正-230202

文本预览：

《国金证券-Alpha掘金系列之三：高频非线性选股因子的线性化与失效因子的动态纠正-230202（25页）.pdf》由会员分享，可在线阅读，更多相关《国金证券-Alpha掘金系列之三：高频非线性选股因子的线性化与失效因子的动态纠正-230202（25页）.pdf（25页精品完整版）》请在悟空智库报告文库上搜索。

（以下内容从国金证券《Alpha掘金系列之三：高频非线性选股因子的线性化与失效因子的动态纠正》研报附件原文摘录）
　　高频因子中非线性与失效问题普遍存在 　　随着因子选股模型研究的逐步深入，我们发现高频因子与股票预期收益之间常常并非是严格的线性关系，这类因子不能直接纳入多因子模型。另一方面，部分高频因子会出现阶段性失效的问题，从之前的单调因子变为不单调因子，我们需要对其进行动态纠正以转换为持续有效的因子。本篇报告是Alpha掘金系列的第三篇，我们将对非线性因子进行线性化处理，同时对失效因子进行纠正，使其纳入线性多因子模型中。 　　线性转换与纠正方法 　　研究发现，线性转换方法不仅可以对此前不单调的因子处理为单调的因子，同时也可以动态对部分时间段失效的因子进行纠正，使因子的有效性更加持续。我们分别对分段线性近似、线性插值、多项式拟合和分段线性回归等四种方法进行线性转换的测试，转换后因子的多空组合年化收益率相比转换前分别提升了10.30%、11.37%、9.77%和10.55%。在插值类方法中，线性插值优于分段线性近似，而在拟合类方法中，分段线性回归优于多项式拟合。其中，分段线性回归方法集合了另外三种转换方法的优点，而且使用该方法转换后，价格区间占比因子的IC水平和多空组合的年化收益率均值相对较高。因此，对于这类价格区间占比因子而言，最佳的转换方法是分段线性回归。 　　高频线性重构因子日频和周频预测能力显著 　　将分段线性回归处理后的价格区间因子等权合成为高频线性重构因子，并对其进行行业市值正交化。日频测试中，正交化后的高频线性重构因子IC均值为3.13%，ICIR为0.51，多空组合年化收益率达到了62.57%，夏普比率达到了7.67。 　　为了满足大多数机构投资者的需要，我们通过加权移动平均的方法降低因子预测频率到周频，并将降频处理后的因子等权合成为周频线性重构因子。行业市值正交化之后的周频线性重构因子IC均值达到3.81%，ICIR为0.52，多空组合年化收益率为28.39%，夏普比率为2.89。 　　基于周频线性重构因子的中证1000指数增强策略 　　正交化后的周频线性重构因子对股票未来收益具有显著的预测能力。我们基于这一因子构建了中证1000指数增强策略，策略实现了7.53%的年化收益率，相比基准取得11.03%的年化超额收益率，信息比率为1.47。 　　为了提高策略的稳定性，我们还将正交化后的周频线性重构因子与传统因子以及周频量价背离因子一起构建策略。合成的线性重构增强因子IC均值达到8.00%，多空组合年化收益率达到了64.38%，夏普比率达到5.35。基于线性重构增强因子的策略表现亮眼，年化收益率达到18.83%，相比中证1000指数取得了23.24%的年化超额收益率，信息比率达到3.41。 　　风险提示 　　1、以上结果通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险。 　　2、策略依据一定的假设通过历史数据回测得到，当交易成本提高或其他条件改变时，可能导致策略收益下降甚至出现亏损。