机器学习系列之三：基于Logsig_RNN的高频数据低频化选股因子-20230907-东北证券-22页_1mb

基于 Logsig-RNN 的高频数据低频化选股因子总结

核心内容

本报告探讨了如何将高频量价数据转化为低频选股因子，以提升因子的预测能力和稳定性。重点介绍了 Logsig-RNN 模型，该模型结合了 log-signature 特征提取与 RNN 模型，用于处理高频数据流，从而构建出具有优异表现的选股因子 LogsigRNN Week 和其合成因子 LogsigRNN_sig Week。

主要观点

1. Signature 与 Log-signature：

   • Signature 是一种用于提取路径特征的非参数方法，能够捕捉数据流的复杂结构。
   • Log-signature 是 Signature 的简化版本，具有更低的维度，且对缺失数据更稳健。
   • 两者都具有路径唯一性、时间重参数化不变性等良好性质，但 Signature 具有普适性，而 Log-signature 必须与非线性模型结合才能发挥最佳效果。

2. Logsig-RNN 模型：

   • Logsig-RNN 通过将高频数据流分段提取 log-signature 特征，再输入 RNN 模型进行预测。
   • 相较于传统 RNN，Logsig-RNN 在处理高频数据时保留了更多信息，具有更高的效率和更优的预测能力。
   • 该模型在周度回测中表现出色，因子 LogsigRNN Week 的 Rank IC 为 0.0672，ICIR 为 0.9333，合成因子 LogsigRNN_sig Week 表现更优，Rank IC 为 0.0716，ICIR 为 1.0628。

3. 因子表现：

   • LogsigRNN Week 和 Sig Week 在多个股票池（如沪深300、中证500、中证1000、国证2000）中均表现良好。
   • 因子在小市值股票池（如中证1000、国证2000）中表现更优，具有更强的选股能力。
   • 与传统因子（如风格因子、常见高频因子）相关性较低，具备增量信息。

4. 应用与策略：

   • 构建了基于量价因子与 Logsig-RNN 深度学习因子的国证2000增强组合。
   • 该组合在加入 LogsigRNN Week 和 Sig Week 后，超额年化收益达到 14.67%，年化跟踪误差为 4.78%，表明其具有良好的风险收益比。

关键信息

• 数据处理方式：将每支股票过去21个交易日的5分钟量价数据进行处理，提取特征并构建因子。
• 因子合成方式：将多个细分因子（如价格、成交量、影线长度等）在截面标准化后等权合成。
• 模型训练方式：使用滚动训练方法，每年年末用过去4年的数据训练模型，次年调仓。
• 模型参数设置：
  • Log-signature 层使用 4 阶截断。
  • RNN 层采用 LSTM，隐藏层维度为 32，层数为 2，Dropout 率为 0.5。
  • 损失函数为 Pearson 相关系数的相反数，优化目标为因子的 IC。
  • 学习率为 0.001，使用 Adam 优化器。

回测结果

• LogsigRNN Week：

  • Rank IC：0.0672
  • ICIR：0.9333
  • 多头年化收益：20.60%
  • 多头年化超额：18.87%
  • 多空 Sharpe Ratio：5.31

• LogsigRNN_sig Week（合成因子）：

  • Rank IC：0.0716
  • ICIR：1.0628
  • 多头年化收益：21.70%
  • 多头年化超额：19.97%
  • 多空 Sharpe Ratio：6.35

• 国证2000增强组合：

  • 超额年化收益：14.67%
  • 年化跟踪误差：4.78%

风险提示

• 本报告的因子分析基于模型结果和历史数据，存在模型失效风险。
• 因子表现依赖于数据质量和模型的稳定性，未来表现可能受市场变化影响。

图表目录（摘要）

• 图1：两种不同的累计成交量序列
• 图2：2阶项线性组合的意义：带符号的面积
• 图3：3阶项线性组合的意义：二阶面积
• 图4：合成因子 Sig.week 分层回测结果
• 图5：合成因子 Sig.week 的 Rank IC 表现
• 图8：因子 logsigRNN.week 分层回测结果
• 图9：因子 logsigRNN.week 的 Rank IC 表现
• 图10：因子 logsigRNN_sig_week 分层回测结果
• 图11：因子 logsigRNN_sig_week 的 Rank IC 表现
• 图12：因子与 Barra CNE5 风格因子的相关性
• 图25-28：LogsigRNN Week、Sig Week 在国证2000中的回测结果
• 图29：量价多因子国证2000增强组合在加入深度学习因子前后的净值对比

表格目录（摘要）

• 表1：基于 SigOLR 的单因子测试结果
• 表2：Sig Week 因子分年度测试结果
• 表3：logsigRNN Week 因子及合成因子测试结果
• 表4：logsigRNN Week 分年度测试结果
• 表5：logsigRNN_sig Week 分年度测试结果
• 表6-9：LogsigRNN Week 与 Sig Week 在沪深300、中证500、中证1000、国证2000中的测试结果汇总
• 表10：细分因子介绍

总结

本报告提出了一种基于 Logsig-RNN 的方法，将高频量价数据转化为低频选股因子，解决了传统 RNN 在处理高频数据时的精度下降问题。Logsig-RNN 在多个股票池中表现优异，尤其在小市值股票池中更具优势。通过合成因子，模型进一步提升了因子的稳健性和预测能力，构建的国证2000增强组合在超额收益和风险控制方面表现良好，具有实际投资价值。