市场微观结构（24）：深度学习赋能交易行为因子

金融工程专题 2024年05月24日 深度学习赋能交易行为因子 金融工程研究团队 ——市场微观结构（24） 魏建榕（首席分析师） 魏建榕（分析师）盛少成（分析师） 证书编号：S0790519120001 张翔（分析师） weijianrong@kysec.cn 证书编号：S0790519120001 遗传算法绩效回顾 shengshaocheng@kysec.cn 证书编号：S0790523060003 证书编号：S0790520110001 傅开波（分析师） 证书编号：S0790520090003 高鹏（分析师） 证书编号：S0790520090002 苏俊豪（分析师） 证书编号：S0790522020001 胡亮勇（分析师） 证书编号：S0790522030001 王志豪（分析师） 证书编号：S0790522070003 盛少成（分析师） 证书编号：S0790523060003 苏良（分析师） 证书编号：S0790523060004 何申昊（研究员） 证书编号：S0790122080094 陈威（研究员） 证书编号：S0790123070027 蒋韬（研究员） 证书编号：S0790123070037 相关研究报告 《遗传算法赋能交易行为因子—市场微观结构（20）》-2023.8.6 《A股反转之力的微观来源—市场微观结构（1）》-2019.12.23 我们在《遗传算法赋能交易行为因子》中，创新性地提出“切割算子”，并结合其他算子和变量，利用改进的遗传算法流程，经过1轮10代的挖掘，得到了开 源金工遗传算法因子：Alpha185。从2017年1月至2024年4月，合成后因子RankIC为12.14%，RankICIR为4.45，10分组多空年化收益为34.79%，信息比率为3.16，2022年6月份以来的样本外整体表现也较为优异。 深度学习挖掘因子 基于LSTM框架的因子挖掘，为本文主要讨论的部分，从输入层到输出层分为4部分：1、输入层。我们考虑了三大类变量：日频量价、分钟频量价、大小单资金流；2、中间主体模型。我们使用时序处理应用较多的LSTM模型；3、加入财务数据，弥补量价类因子多头端分层一般的劣势；4、输出层。我们对比了单输出和多输出的绩效差别。基于该框架，产生了三大月频因子：𝐿𝑆𝑇𝑀𝑖𝑛𝑖�、 𝐿𝑆𝑇𝑀𝑝𝑟�、𝐿𝑆𝑇𝑀𝑝𝑟𝑜_𝑚𝑢𝑙𝑡𝑖： 1、未考虑财务数据的𝐿𝑆𝑇𝑀𝑖𝑛𝑖�RankIC为8.08%，RankICIR为3.99，已经具备较为优异的选股效果，但10分组多头较为一般，为量价类因子普遍的劣势。进一步地，我们引入财务数据去改善。 2、对于财务数据而言，考虑到其时序变化较慢，我们并没有将其和日度变化的量价类指标一起作为初始输入层数据，而是将其转化为分位点后，放入输出层前一层，和量价类指标通过隐藏层后的神经元进行拼接，一起通过全连接层输出为最后的因子𝐿𝑆𝑇𝑀𝑝𝑟�。该因子RankIC为9.17%，RankICIR为4.49，相较于𝐿𝑆𝑇𝑀𝑖𝑛𝑖�整体的绩效有所提升，更为重要的是，多头端的分层效果更为优异。 3、通过在原始损失函数的基础上加上多因子间的相关性惩罚，我们构建了多输出𝐿𝑆𝑇𝑀𝑝𝑟𝑜_𝑚𝑢𝑙𝑖𝑡，但是该因子绩效相较于𝐿𝑆𝑇𝑀𝑝𝑟�并无显著提升，训练成本反而更高，所以𝐿𝑆𝑇𝑀𝑝𝑟�为本文最后推荐的因子。 深度学习改进因子 除了因子挖掘，LSTM框架还可以尝试因子改进，本文我们以理想反转为例进行小篇幅展开，尝试使用LSTM对其进行改进，具体的做法即在原损失函数的基础上考虑与待改进因子的相关系数。改进理想反转因子的RankIC为-9.03%，RankICIR为-4.13，明显优于原始理想反转。 人工因子、遗传算法因子、深度学习因子对比 对于人工因子而言，我们选取了8大因子：理想反转、APM、聪明钱、理想振幅、主动买卖、大单残差、小单残差、散户羊群效应，8大因子的等权合成综合因子RankICIR为4.59；遗传算法Alpha_185因子RankICIR为4.45；深度学习因子RankICIR为4.49。在多头超额上，深度学习因子表现最优，在中证1000指数增强上表现也最好。 风险提示：本报告模型基于历史数据测算，市场未来可能发生重大改变。 金融工程 研究 金融工程 专题 开源证券 证券研究报 告 目录 1、遗传算法因子Apha185绩效回顾3 2、基于LSTM框架应用一：因子挖掘4 2.1、输入层数据：3大类变量4 2.2、主体模型：LSTM5 2.3、输出层前一层：加入财务数据6 2.4、输出层：因子数量的讨论7 2.5、LSTM因子挖掘绩效汇总8 2.6、不同样本空间测试9 2.7、深度学习因子与人工因子、遗传算法因子的对比分析10 3、基于LSTM框架应用二：因子改进12 4、风险提示14 图表目录 图1：开源金工特色遗传算法整体流程3 图2：开源金工遗传算法Alpha185因子合成后10分组表现较为优异4 图3：开源金工特色LSTM因子挖掘整体流程4 图4：𝑳𝑺𝑻𝑴𝒊𝒏𝒊�因子10分组表现较为优异，但多头端分组效果一般6 图5：加入财务后构建的因子𝑳𝑺𝑻𝑴𝒑𝒓�的10分组表现：多头端改善明显7 图6：多输出𝑳𝑺𝑻𝑴𝒑𝒓𝒐_𝒎𝒖𝒍𝒕�的10分组对冲：相较于𝑳𝑺𝑻𝑴𝒑𝒓�而言，收益波动比提升8 图7：深度学习因子𝑳𝑺𝑻𝑴𝒑𝒓�的中证1000指增净值表现较为优异9 图8：人工因子、遗传算法因子、深度学习因子挖掘因子流程10 图9：人工因子RankIC统计：综合因子RankIC达到11.1%11 图10：人工因子、遗传算法因子和深度学习因子的中证1000指增超额净值对比11 图11：原始理想反转因子10分组多空对冲收益波动比为2.8413 图12：相较于原始理想反转，改进理想反转多空对冲净值显著更高13 表1：输入层3大类变量列示5 表2：财务指标：9大类汇总6 表3：多输出的三个因子绩效：RankICIR皆在3以上8 表4：𝑳𝑺𝑻𝑴𝒊𝒏𝒊�、𝑳𝑺𝑻𝑴𝒑𝒓�、𝑳𝑺𝑻𝑴𝒑𝒓𝒐_𝒎𝒖𝒍𝒕�绩效对比8 表5：𝑳𝑺𝑻𝑴𝒑𝒓�在沪深300、中证500、中证1000测试绩效：中证1000内表现最优异9 表6：深度学习因子𝑳𝑺𝑻𝑴𝒑𝒓�的中证1000指增超额绩效：所以年份都录得正超额10 表7：人工因子、遗传算法因子和深度学习因子绩效对比：深度学习在多头超额表现优异11 表8：深度学习因子的中证1000指增超额收益最高，达到了15.74%12 表9：原始理想反转构造步骤12 表10：相较于原始理想反转，改进理想反转RankIC明显更高，多空对冲和多头年化收益也更高13 近年来机器学习逐渐被市场所重视，目前主流模型即树模型和神经网络。对于树模型而言，我们在《遗传算法赋能交易行为因子》中，创新性地提出“切割算子”，并结合其他算子和变量，利用改进的遗传算法流程，经过1轮10代的挖掘，得到了一系列有效因子，这里将其命名为：Alpha185。在本篇报告中，我们将探索神经网络模型在因子投研的应用，以及对比人工因子、遗传算法因子和深度学习因子间的异同点。其中神经网络在因子上的应用为本文的主体，主要分为因子挖掘和因子改进： （1）因子挖掘。从输入层到输出层分为4部分：1、输入层。我们考虑了三大类变量：日频量价、分钟频量价、大小单资金流；2、中间主体模型。我们使用在时序处理上应用较多的LSTM模型；3、加入财务数据，弥补量价类因子多头端分层一般的劣势。考虑到财务数据变化较慢，我们并没有将其作为初始输入层数据，而是将其转化为分位点后，放入输出层前一层，和量价类指标通过隐藏层后的神经元进行拼接，一起通过最后的全连接层输出为最终因子；4、输出层。我们对比了单输出和多输出的绩效差别。 （2）因子改进。如果单纯从因子本身构造出发，不结合因子择时的范畴，常见的改进方法即：公式的变形和变量的替换。在公式的变形中，我们在《聪明钱因子模型的2.0版本》中发现：不同的S指标的构造方式，将产生不同的聪明钱划分结果，对因子最后的绩效有显著影响。在变量的替换中，我们在《APM因子模型的进阶版》中发现：相较于使用日内第1小时收益，使用隔夜收益的效果更好。本文我们以理想反转为例，尝试使用LSTM对其进行改进，具体的修改即：在原损失函数的基础上，考虑与待改进因子的相关性。 1、遗传算法因子Apha185绩效回顾 对于遗传算法挖掘因子而言，我们将其主要分为如下5大步骤：1、个体初始化；2、初始种群构建；3、选择；4、交叉；5、变异。为了提升遗传算法的有效挖掘概率，我们在每一步都做了对应的处理，具体流程如图1所示。 图1：开源金工特色遗传算法整体流程 资料来源：开源证券研究所 通过1轮10代的挖掘，我们得到了Alpha185，等权合成后的10分组回测如图 2所示。从2017年1月至2024年4月，合成因子RankIC为12.14%，RankICIR为 4.45，多空年化收益为34.79%，信息比率为3.16。从2022年6月份以来，样本外表现也较为优异。 图2：开源金工遗传算法Alpha185因子合成后10分组表现较为优异 数据来源：Wind、开源证券研究所 2、基于LSTM框架应用一：因子挖掘 基于LSTM框架的因子挖掘，为本文主要讨论的部分，具体流程可以表示为图3所示。该流程主要可以分为：1、输入层数据及其预处理；2、主体模型LSTM的搭建；3、财务数据的并入；4、输出层因子个数的修改。 图3：开源金工特色LSTM因子挖掘整体流程 资料来源：开源证券研究所 2.1、输入层数据：3大类变量 对于初始输入层数据而言，我们选取了3大类变量，第一大类为大小单资金流，包含全部和主动的超大单、大单、中单、小单；第二大类为日内分钟特征，基本统计指标如分钟收益波动等，除此之外我们也加入了一些衍生特色指标，比如分钟极端收益、分钟聪明度等；第三大类为日间特征，包含基本统计指标如高、开、低、收等。对于这三大类变量而言，我们都对其先后进行了：时序标准化、去极值、横截面标准化、缺失值填充。 大类例子说明 表1：输入层3大类变量列示 日频量价基本行情指标高、开、低、收等 基本统计指标分钟收益波动、分钟标准化成交量波动、分钟量价相关性等 分钟频量价 大小单资金流 资料来源：开源证券研究所 衍生统计指标分钟极端收益、分钟聪明度等 全部资金流含有超大单、大单、中单、小单 主动资金流含有超大单、大单、中单、小单 2.2、主体模型：LSTM 对于时序数据处理任务而言，LSTM为较为常用的模型，本篇报告也将基于此模型进行因子的挖掘。在训练LSTM模型时会涉及到一些参数的选择，以生成月频因子为例，参数设定如下： （1）每个样本回看天数：4个月； （2）滚动训练时间窗口：6年； （3）训练集和验证集比例为9：1； （4）模型更新时点：每年年底； （5）预测标签：未来20天收益率； （6）损失函数：IC的负数； （7）LSTM层数：2层； （8）自注意力机制Self-Attention：考虑； （9）早停机制Early-Stopping：考虑。 结合输入层数据，并利用如上模型，在设置输出层因子数量为1的情况下，我们可以得到因子𝐿𝑆𝑇𝑀𝑖𝑛𝑖�。进一步地，我们对其进行回测，在回测时剔除停牌、ST、上市不满60天的股票，月度等权构建组合，10分组表现如图4所示。该因子RankIC为8.08%，RankICIR为3.99，10分组多空年化收益30.16%，收益波动比为3.37，已经具备较为优异的选股效果，但多头端的分层效果较为一般，为量价类因子普遍的劣势。进一步地，我们引入财务数据去改善该因子。 图4：𝑳𝑺𝑻𝑴𝒊𝒏�