德邦金工机器学习专题之四：动态因子筛选-20220309-德邦证券-24页_1mb

金融工程专题总结

核心内容概述

本文探讨了一种基于财务因子的动态因子筛选方法，并利用机器学习模型构建了一个集成选股模型。该模型在多个股票池（包括沪深300、中证500、中证1000和全市场）中均表现出良好的选股效果，远超传统的线性多因子模型。

主要观点与关键信息

1. 因子筛选逻辑

• 信号与噪音因子：因子分为信号因子（与股票收益有显著相关性）和噪音因子（无显著相关性）。筛选目标是识别信号因子，排除噪音因子。
• 因子动量：因子在中长期表现稳定，且在近期市场环境下依然有效，利用其动量效应进行选股。
• 动态筛选机制：每个时期筛选不同的财务因子，以避免数据窥探偏误，提高模型的稳健性。

2. 因子库与筛选方法

• 因子库构成：包括CNE5的10个风格因子、利润表的66个项目、资产负债表的149个项目和现金流量表的86个项目，每个因子衍生出季度和年度增速。
• 因子预处理：
  • 无量纲化处理（将总量类因子除以总资产）
  • 舍弃空值比例大于40%的因子
  • 中位数去极值处理（公式见正文）
  • 填充空值为横截面中位数
• 筛选时间点：每年一季度报、中报和三季报披露后的首个交易日进行横截面选股，共进行三次。
• 边际筛选：从因子库中逐个筛选信息增益最大的因子加入当前因子池，以逐步扩大因子池。
• 因子评价：通过训练集和验证集计算RankIC（秩相关系数），以评估因子池的有效性。

3. 预测模型

• 线性多因子模型：作为对照组，因子值为各入选因子等权求和，符号由上一期的信息系数决定。
• 机器学习模型：使用包括随机森林、GBDT、XGBoost、LGBM、AdaBoost、神经网络和支持向量机等模型，构建集成模型。
• 模型动态筛选与加权：以验证集的RankIC为评价指标，选择输入因子数量和模型种类，并通过多头分位数指标 $\lambda$ 确定模型权重，提升模型稳健性。
• 模型训练与预测：最终的预测模型使用过去十二期季报数据训练，以最新一期季报数据进行预测。

4. 投资组合构造方法

• 调仓日期：每月第一个非节假日的星期一。
• 股票筛选：排除暂停交易、ST或*ST、收盘涨停和上市不满20日的股票。
• 分组方式：
  • 均匀分组法：适用于指数成分股，按因子值排序并均匀分组。
  • 非均匀分组法：适用于全市场股票，按因子值排序并均匀分组，再与股票池取交集。

5. 回测结果

• 线性多因子模型：在全市场表现平均RankIC为0.06，RankICIR为0.61，虽然有一定选股能力，但整体表现不佳。
• 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%，信息比率为3.46。
• 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%，信息比率为3.03。
• 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%，信息比率为3.79。
• 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%，信息比率为2.16。

6. 风险提示

• 市场风格变化风险：因子有效性可能随市场风格变化而改变。
• 模型失效风险：模型在不同市场环境下的表现可能不一致。
• 数据可用性风险：部分财务数据可能缺失或不准确。

结论

本文提出了一种系统化的动态因子筛选方法，结合机器学习模型构建了有效的集成选股模型。该模型在多个股票池中均表现出优于线性多因子模型的选股能力，具有较好的稳定性与风险控制能力。通过动态筛选和加权机制，有效减少了数据窥探偏误，提高了模型的适应性与实用性。