AI選股模型特征篩選與處理：SHAP、中性化與另類特征.pdf

AI選股模型特征篩選與處理：SHAP、中性化與另類特征。模型的特征工程研究。隨著機(jī)器學(xué)習(xí)模型在量化投資領(lǐng)域的廣泛應(yīng)用，我們?cè)诖饲暗摹禔lpha掘金系列之九：基于多目標(biāo)、多模型的機(jī)器學(xué) 習(xí)指數(shù)增強(qiáng)策略》、《Alpha掘金系列之十：機(jī)器學(xué)習(xí)全流程重構(gòu)》和《ALPHA掘金系列之十二：排序?qū)W習(xí)對(duì)GRU選股 模型的增強(qiáng)》中，分別深入探討了結(jié)合樹模型和神經(jīng)網(wǎng)絡(luò)模型的機(jī)器學(xué)習(xí)量化選股架構(gòu)、模型訓(xùn)練中的標(biāo)簽選擇等細(xì) 節(jié)問題和新的排序?qū)W習(xí)框架的有效性。然而，對(duì)模型輸入端因子的特征工程尚缺乏系統(tǒng)的研究。本報(bào)告旨在填補(bǔ)這一 空白，探索幾個(gè)關(guān)鍵問題：特征選擇的必要性、宏觀數(shù)據(jù)與高頻數(shù)據(jù)等的加入是否有益，因子與標(biāo)簽中性化處理的效 果。

通過對(duì)這些問題的深入探討和實(shí)證分析，我們得出了一系列重要結(jié)論：首先，基于 SHAP（Shapley Additive Explanations）的特征選擇方法顯著降低了模型訓(xùn)練成本，并在一定程度上提升了GRU模型的精度，同時(shí)，SHAP提供 的可視化工具能夠直觀地展示各個(gè)因子的作用，為進(jìn)一步優(yōu)化模型提供了有價(jià)值的參考。相比之下，盡管基于簡(jiǎn)單統(tǒng) 計(jì)方法的特征選擇方法也取得了一定效果，但深度學(xué)習(xí)特征選擇模塊STG的表現(xiàn)則不太理想。其次，關(guān)于另類因子的 引入，加入宏觀經(jīng)濟(jì)數(shù)據(jù)和BARRA因子收益率等反映整體市場(chǎng)的另類因子，雖然能夠在一定程度上提升LightGBM 模 型的超額收益，但總體而言缺乏顯著的正向作用。引入高頻因子方面，在小微盤股上顯示出較高的有效性，而在大中 盤股上的應(yīng)用方法仍需進(jìn)一步探索。在因子與標(biāo)簽中性化處理方面，將中性化處理后的標(biāo)簽喂入LightGBM模型并與 原模型集成，能夠顯著優(yōu)化模型的表現(xiàn)，然而，將因子中性化作為模型輸入的整體表現(xiàn)則不盡如人意。

改進(jìn)后因子與策略效果

最終，我們?cè)诒３衷蚣芤恢滦缘幕A(chǔ)上，采用經(jīng)過中性化標(biāo)簽合成改進(jìn)的GBDT模型和經(jīng)過SHAP特征選擇改進(jìn)的NN 模型，分別在不同成分股上進(jìn)行測(cè)試，取得了顯著的樣本外效果。具體來說，在滬深300上，因子IC均值為11.91%， 多頭年化超額收益達(dá)22.92%，而多頭超額最大回撤為6.56%。在中證500上，因子IC均值為11.58%，多頭年化超額 收益率為12.35%。特別是在中證 1000 成分股上，因子表現(xiàn)尤為突出，IC 均值達(dá)到15.42%，多頭年化超額收益率為 25.42%，多頭超額最大回撤僅為4.42%。綜合這些結(jié)果，我們結(jié)合實(shí)際交易情況，構(gòu)建了基于各寬基指數(shù)的指數(shù)增強(qiáng) 策略。其中，滬深300指數(shù)增強(qiáng)策略的年化超額收益達(dá)到15.83%，超額最大回撤為3.18%；中證500指數(shù)增強(qiáng)策略的 年化超額收益為18.23%，超額最大回撤為8.21%；而中證1000指數(shù)增強(qiáng)策略的年化超額收益則高達(dá)32.24%，超額最 大回撤為3.88%。這些結(jié)果表明，我們的方法在不同市場(chǎng)條件下均取得了顯著的超額收益和較低的回撤風(fēng)險(xiǎn)。