Alpha掘金系列之十三：AI选股模型特征筛选与处理：SHAP、中性化与另类特征

核心观点与结论

本报告探讨了机器学习模型在量化投资中特征工程的重要性，并对比了不同特征选择方法、因子中性化处理以及另类因子引入的效果。研究发现，特征工程能够显著提升模型性能和可解释性。

特征选择方法对比

• 基础统计方法：包括Spearman相关性、互信息和LightGBM模型重要性筛选。Spearman相关性方法在全A股市场上表现最佳，互信息方法也相当出色。
• SHAP方法：基于SHAP解释的LightGBM和GRU模型在因子选择上表现优异，能够直观展示因子作用，提升模型精度。
• STG方法：STG方法在当前模型和数据环境下表现平庸，未能展现出明显的优势。

因子中性化效果

• 因子中性化：对因子进行行业和市值中性化处理能够有效降低其他因素的干扰，但对GRU模型和LightGBM模型的影响存在差异。
• 标签中性化：对模型输入端因子和标签进行行业和市值因子的回归，并使用回归残差作为新的输入因子和标签进行模型训练，能够显著优化LightGBM模型的表现。

另类因子引入效果

• 宏观指标等截面不变的因子：加入宏观经济数据和BARRA因子收益率等另类因子，能够在一定程度上提升LightGBM模型的超额收益，但总体而言缺乏显著的正向作用。
• 高频因子：高频因子在小微盘股上显示出较高的有效性，而在大中盘股上的应用方法仍需进一步探索。

特征工程优化的GBDT+NN指数增强策略

• 模型结构：结合SHAP特征选择改进的NN模型和经过中性化标签合成改进的GBDT模型，形成特征工程优化的GBDT+NN增强策略。
• 策略效果：
  • 沪深300指数增强策略：年化超额收益15.83%，超额最大回撤3.18%。
  • 中证500指数增强策略：年化超额收益18.23%，超额最大回撤8.21%。
  • 中证1000指数增强策略：年化超额收益32.24%，超额最大回撤3.88%。

风险提示

• 模型存在时效的风险，在政策、市场环境发生变化时可能失效。
• 策略收益受交易成本和其他条件影响，可能导致收益下降甚至出现亏损。