量化因子发现与选择方法
文章目录
量化交易中的因子发现与筛选方法
一、因子发现方法
1. 数据驱动挖掘
- 统计方法：通过相关性分析、协整检验、Granger因果检验等，从历史数据中寻找与收益率显著相关的变量。
- 机器学习：使用随机森林、LASSO回归、梯度提升树（如XGBoost）等算法自动提取有效特征。
- 事件驱动：分析财报发布、政策变化、市场事件对价格的影响（如财报超预期因子）。
2. 理论驱动构建
- 行为金融学：基于投资者心理偏差设计因子（如过度反应因子、羊群效应因子）。
- 风险溢价理论：捕捉风险溢价（如波动率风险溢价、流动性溢价）。
- 套利定价理论（APT）：基于多因子模型（如Fama-French三因子、五因子模型）。
二、常见因子类型
| 因子类别 | 典型因子示例 | 应用场景 |
|---|---|---|
| 技术因子 | 动量、波动率、换手率、RSI、布林带 | 短期趋势跟踪、反转策略 |
| 基本面因子 | 市盈率（PE）、市净率（PB）、ROE | 价值投资、长线选股 |
| 情绪因子 | 新闻舆情、社交媒体热度、期权隐含波动率 | 事件驱动、市场情绪对冲 |
| 另类数据因子 | 卫星图像数据、供应链数据、ESG评分 | 行业轮动、ESG主题投资 |
三、因子筛选流程
1. 初步筛选
- 显著性检验：剔除p值>0.05的因子（如通过t检验或ANOVA）。
- 相关性过滤：剔除与其他因子相关性>0.7的冗余因子（如使用皮尔逊相关系数矩阵）。
2. 样本外测试
- 分层回测：将因子在训练集（样本内）和测试集（样本外）分别测试，剔除样本外表现显著下降的因子。
- 过拟合检验：通过随机数据生成器（如White's Reality Check）验证因子有效性。
3. 经济逻辑验证
- 理论一致性：剔除与经济逻辑矛盾的因子（如“股价尾号为8的股票收益更高”缺乏逻辑支撑）。
- 稳定性分析：剔除在不同市场周期（牛市/熊市）表现不稳定的因子。
四、策略案例：多因子选股策略
1. 因子库选择
假设因子库包含以下候选因子：
- 动量因子（20日收益率）
- 波动率因子（60日收益率标准差）
- 质量因子（ROE排名）
- 价值因子（市盈率倒数）
- 换手率因子（5日平均换手率）
2. 筛选过程
剔除因子：质量因子（ROE排名）
- 原因：
- 多重共线性：与价值因子（市盈率倒数）相关性高达0.85。
- 样本外失效：在2020-2023年回测中，质量因子在测试集的IC（信息系数）从0.12降至-0.05。
保留因子：动量、波动率、换手率
- 原因：
- 动量因子：样本内外IC均>0.1，且与波动率因子相关性仅0.3。
- 波动率因子：在熊市中表现稳定（IC=0.18），符合“低波动异象”理论。
- 换手率因子：高频数据中与短期动量形成互补（相关性0.2）。
3. 策略构建
- 信号生成：
1# 组合权重：动量(40%) + 波动率(30%) + 换手率(30%) 2def generate_signal(df): 3 df['momentum'] = df['close'].pct_change(20) 4 df['volatility'] = df['close'].pct_change().rolling(60).std() 5 df['turnover_rank'] = df['turnover'].rank(pct=True) 6 # 综合得分 7 df['score'] = 0.4*df['momentum'] - 0.3*df['volatility'] + 0.3*df['turnover_rank'] 8 return df['score'].rank(pct=True)