神经网络日频alpha模型初步实践
由qxiao创建，最终由qxiao 被浏览 150 用户
摘要
多因子体系主要包括alpha模型、风险模型、交易成本模型和组合优化，广义的alpha模型分为alpha因子构建和因子加权，是量化从业人员的研究重心但传统的alpha模型当期面临较大的挑战。
后发优势的逐渐丧失导致人工挖掘alpha因子的周期变长，国内外估值因子的长时间回撤，近年量价因子的批量拥挤等都是当前选股alpha因子层面的困境，量价因子拥挤等原因导致因子IC和组合绩效产生较大偏差，给以IC和回归为基础的动态因子加权带来挑战
除了人工合成alpha因子外，我们可以通过设计因子单元批量产生有效的alpha因子，以扩充因子库，考虑到因子IC和组合收益的不一致性，我们通过正交弱因子转换器将原始因子集合转换为相互正交的弱因子，以因子多头组合的表现加权
遗传算法等方法也可以批量产生alpha因子，但由于变异的无方向性，计算效率较低，通过合理的输出层设计，可以让有监督学习的神经网络高效的批量产生大量alpha因子。
一个强alpha因子背后可能有很多驱动因素，可能有部分成分已经拥挤但部分成分依然能够对组合产生贡献，为了解决这个问题，我们将原始因子集合转换为相互正交的弱因子，直接从弱因子层面考察因子多头表现并指导加权。
本文生成的300个弱因子两两相关性几乎都在20%以内，单因子次日RankIC平均只有1.8%，5日累计RankIC仅2.5%，但是大批量低相关的弱因子合成的ZSCORE次日RankIC却高达12.5%，5日累计RankIC平均16.8%。由于单因子较弱，单因子权重较低（绝大多因子权重低于1%，均值仅0.38%）所以单因子的回撤对加总ZSCORE影响不大，模型稳定性较高。
经测算，在次日VWAP成交，双边千三费率下，500增强模型2017年之后组合业绩大幅弱于之前，但在换手较低的情况下（日单边换手5%以内），近几年费后也可以获取20%左右的超额收益，另外随着组合换手的放大，虽然早期费后收益有明显增长，但近几年费后收益反而回落，说明每日高频调仓的策略近年来衰减较快，反而相对低频的策略更加稳健。
日频交易信号产生后，一般越早交易alpha越丰厚，对于开盘半小时VWAP和全天VWAP这两种比较现实的成交价格，近三年组合业绩的差异明显小于早期，组合换手较低时几乎没有差异，说明通过抢单攫取alpha越来越困难对于公募等没有交易优势的机构来讲如何提升T+2日及之后的alpha更有现实意义。
正文
/wiki/static/upload/bc/bcfb1a17-2f4a-40ab-96ef-33abed38354a.pdf
\