20220309-德邦证券-德邦金工机器学习专题之四_动态因子筛选_24页_2mb

金融工程专题总结：动态因子筛选与机器学习选股

核心内容

本文探讨了一种基于财务因子的动态筛选机制，结合机器学习方法构建选股模型，旨在提高选股策略的有效性与稳定性。通过系统性筛选，减少数据窥探偏误，提高模型在不同市场环境下的适应性。

主要观点

• 因子筛选的重要性：因子的选择对模型表现至关重要，需避免前视偏差，确保模型的稳健性。
• 信号与噪音因子：因子可分为信号因子（与股票收益率相关）和噪音因子（无显著相关性）。
• 因子动量效应：因子的效用可能随时间变化，需关注其在近期市场环境中的表现。
• 动态筛选机制：在每年的三个季度末进行因子筛选，确保数据的及时性和同步性。
• 边际筛选因子：从因子库中逐个筛选边际贡献最大的因子，逐步构建因子池。
• 因子预处理：包括无量纲化处理、去除空值、中位数去极值和填空值，以提高因子质量。
• 机器学习模型应用：使用多种机器学习模型（如随机森林、GBDT、XGBoost等）构建集成模型，显著优于线性多因子模型。
• 投资组合构造：采用等权方式构造投资组合，根据股票池不同选择均匀或非均匀分组策略。
• 模型评价与权重分配：通过验证集的多头分位数指标评价模型，权重分配依据模型表现。

关键信息

因子筛选逻辑

• 信号因子：因子值与股票收益存在相关性，无论是否线性。
• 噪音因子：因子值与股票收益无显著相关性。
• 因子动量：因子在连续多个时期中表现稳定，具有短期延续性。
• 筛选频率：每年进行三次因子筛选，分别在一季度报、中报和三季度报披露后。

因子库与预处理

• 因子来源：CNE5风格因子、利润表66项、资产负债表149项、现金流量表86项。
• 预处理步骤：
  1. 无量纲化处理（除以总资产）。
  2. 舍弃空值比例超过40%的因子。
  3. 中位数去极值处理。
  4. 填空值为横截面中位数。

机器学习模型

• 模型种类：随机森林、GBDT、XGBoost、LGBM、AdaBoost、神经网络、支持向量机等。
• 模型选择：通过验证集的多头分位数指标（λ）进行模型筛选和权重分配。
• 权重计算：权重为多头分位数与0.5的差值，若为负则不计入模型。

投资组合构造方法

• 调仓时间：每月第一个非节假日的星期一。
• 分组方法：
  1. 均匀分组：适用于全市场选股。
  2. 非均匀分组：适用于指数成分股选股。
• 股票排除条件：暂停交易、ST或*ST、收盘涨停、上市不满20日的股票。

回测结果

• 线性多因子模型：

  • 全市场RankIC平均为0.06，RankICIR为0.61。
  • 表现不佳，稳定性较弱。

• 沪深300指数增强：

  • 平均RankIC为0.142，RankICIR为1.037。
  • 多头组5年化超额收益为12.6%，换手率低，表现稳健。

• 中证500指数增强：

  • 平均RankIC为0.082，RankICIR为0.705。
  • 多头组5年化超额收益为11.9%，表现稳定。

• 中证1000指数增强：

  • 平均RankIC为0.09，RankICIR为0.973。
  • 多头组5年化超额收益为11.9%，换手率低。

• 全市场选股：

  • 平均RankIC为0.081，RankICIR为1.037。
  • 多头组5年化超额收益为12.3%，表现稳健。

风险提示

• 市场风格变化风险：市场风格可能变化，影响因子有效性。
• 模型失效风险：模型可能在不同市场环境下失效。
• 数据可用性风险：数据缺失或不可用可能影响模型表现。

总结

本文提出了一种系统性的动态因子筛选方法，结合机器学习模型，构建了一个在多个股票池中均有效的选股策略。通过边际筛选因子、预处理、模型动态筛选与加权等步骤，有效减少数据窥探偏误，提高模型的稳健性和适应性。回测结果显示，集成模型在沪深300、中证500、中证1000和全市场选股中均表现良好，显著优于线性多因子模型。