机器学习系列报告之三：数据纵横，拓展差分的操作域-20190418-光大证券-21页_2mb

数据纵横：拓展差分的操作域 - 机器学习系列报告之三

核心内容概述

本报告探讨了非整数差分在金融时间序列处理中的应用，旨在平衡数据的记忆性与平稳性。通过引入非整差分的概念，利用后移算子将差分操作域从整数扩展到正实数，并验证了其在不同金融数据中的表现。

主要观点与关键信息

差分操作域的拓展

• 差分操作域的拓展：差分阶数从正整数拓展到正实数，使得数据处理更灵活，能够在满足平稳性的同时保留更多市场信息。
• 非整差分的定义：非整差分通过后移算子 $B$ 的级数展开进行计算，即 $(1 - B)^d X_t$，其中 $d$ 为正实数差分阶数。

平稳性与记忆性的平衡

• 指数与股票的差分需求：大部分指数仅需约0.7阶差分即可满足平稳性要求，此时差分序列与原始序列仍保持约0.9的相关性。
• 不同差分阶数下的表现：0.7阶差分在保持较高相关性的同时满足平稳性，优于1阶差分，避免了信息丢失过多的问题。

信息熵的提升

• 信息熵的定义：信息熵用于衡量信息的不确定性，其计算基于概率分布。
• 非整差分提升信息熵：在0.7阶差分下计算的信息熵比收益率序列更高，能够更好地反映市场环境，从而优化交易策略。

波动因子的优化

• 波动因子的定义：基于价格序列的波动性指标，通常使用收益率序列的标准差计算。
• 非整差分优化波动因子：通过测试，发现1.4至1.5阶差分下波动因子效果最佳，提升了因子的IC与IR值。
• 最优波动因子构建方式：推荐使用 $ \mathrm{STD}(1.5, 10) $，即1.5阶差分和10个交易日的样本长度，以提升选股效果和组合表现。

实证分析结果

• 多空组合表现：在不同股票池中，使用非整差分优化后的波动因子构建的多空组合表现优于传统方式，年化收益和夏普比率均有提升。
• IC与IR表现：在全市场、中证500、沪深300股票池中，非整差分优化后的波动因子IC均值与IR均值显著提高。

非整差分的应用

信息熵指标

• 信息熵在RSRS策略中的应用：配合RSRS择时策略使用信息熵指标，有助于避免错误信号，但边际改善有限。
• 分位数与等距编码：分位数编码和等距编码在不同差分阶数下表现出不同的信息熵特征。

波动因子的优化

• 样本长度与差分阶数的优化：在不同样本长度下测试，发现最优差分阶数在1.4至1.5之间。
• 波动因子效果：在1.5阶差分下，波动因子在多个股票池中表现更优，提升了选股效果和组合收益。

风险提示

• 模型风险：本报告中的测试结果基于模型和历史数据，模型可能存在失效风险。
• 数据验证风险：历史数据可能无法有效验证模型的未来表现，需谨慎对待。

结论

• 非整差分能够有效平衡数据的记忆性与平稳性，提升信息熵和波动因子的表现。
• 推荐使用 $ \mathrm{STD}(1.5, 10) $ 作为波动因子的构建方式，以提高模型效果。
• 需要结合实际市场环境和数据特征，灵活应用非整差分技术，以最大化其带来的信息价值。