因子选股系列：随机签名方法的时序特征提取与量化投资应用

1. 核心观点

本研究将粗糙路径理论中的签名方法与储备池计算思想结合，构建随机签名方法，用于捕捉金融时序数据的非线性路径依赖特征，并应用于资产收益率估计和组合策略构建。

2. 策略构建

• 将金融资产的收益率时序路径作为驱动信号，输入到随机动力系统中，将路径的几何形态压缩映射至固定维度的隐藏层空间。
• 使用岭回归预测资产预期收益率，并通过优化夏普比率计算资产权重，构建投资组合。

3. 实证结果

• 在创业板50、上证50、深证50中，随机签名策略的年化收益率和夏普比率均显著高于动量组合和等权组合。
• 以创业板50为例，最优参数下策略年化收益率为53.58%，夏普比率为1.17，相对等权组合年化超额收益率为27.19%。
• 对特征维度、随机矩阵分布等超参数进行网格搜索，随机签名策略战胜等权组合的比例均在90%以上。

4. 市场信噪比分析

• 随机签名策略的滚动夏普比率与市场信噪比呈现显著关联，在大部分环境下表现较好。
• 但在极端高噪声环境下，等权组合表现最好。
• 在中证2000随机50只股票中，策略表现较差，在反转性较强的市场中，策略表现较差。

5. IC分析

• 随机签名预测收益率与实际收益率的IC均值较低，多在2%以内。
• 但该预测精度在投资组合优化中仍具有变现效能，最终使策略战胜等权组合的月度胜率为67.28%。

6. 风险提示

• 本研究基于历史数据，因子的历史收益率不代表未来收益率。
• 若市场环境发生变化，因子的最终表现可能发生改变。