AI系列研究之二：多模型集成量价Alpha策略-20231025-20页

# AI # 多模型集成量价 # Alpha 大小：1.35M | 页数：20 | 上架时间：2023-10-30 | 语言：中文

AI系列研究之二：多模型集成量价Alpha策略-20231025-招商证券-20页.pdf

免费阅读10页，购买之后可查看、下载20页完整报告

AI系列研究之二：多模型集成量价Alpha策略-20231025-招商证券-20页.pdf

试看10页

类型: 策略

上传者: FYJ

撰写机构: 招商证券

出版日期: 2023-10-25

摘要：

随着各家机构量化因子库的不断完善，人工因子的挖掘逐渐遇到瓶颈。此外，因子拥挤度提升和策略同质化的现象导致传统因子多头收益率的降低。基于机器学习的非线性模型用于因子挖掘的算法逐渐受到重视。本文将基于量价数据和不同的模型探讨机器学习生成 Alpha 因子的表现。本文基于截面模型 MLP、GBDT 和时序模型 GRU 构建因子生成模型。在引入截面特征序列后截面模型与时序模型的因子学习能力基本处于同一水平。引入 Attention 机制后 GRU 生成的因子表现没有明显提高。可能是由于模型复杂度的提升，需要更多的样本数据和训练轮数来学习量价特征。基于 GBDT 的截面模型因子，在全 A 成分股内，RankIC 为 10.66%，ICIR为 1.14（未年化），分 20 组的多头对冲年化收益率为 29.84%；基于 GRU的时序模型因子在全 A 成分股中，RankIC 为 11.3%，ICIR 达到 1.06（未年化），分 20 组的多头对冲年化收益率为 28.83% ❑ 模型集成后的得到得集成因子相比于单个模型得到的因子表现提升较为明显。集成因子与常见因子的相关性整体较低。集成因子相比于单个模型的因子 RankIC 提升到 11.9%，ICIR 达到 1.13（未年化），多头收益率提高到 33.11%。基于集成因子构建的 TOP100 策略的绝对收益表现良好，除 2018 年外，在单边换手率约束为 40%以上时，绝对年化收益率显著为正。集成学习模型因子与常见风格因子整体相关性较低，在流动性和残差波动率风格上有一定的暴露。风格中性化后集成因子的多头收益率有所下降，但 Alpha 选股仍然显著。

展开>> 收起<<

请登录，再发表你的看法

FYJ

关注