本报告针对机器学习模型在股票市场中面临的样本外泛化问题,提出融合市场状态和对抗训练两种方法,通过引入市场风格、估值、流动性等多维度状态信息以及对不变因子的生成,显著提升模型的稳健性和Alpha因子表现。基于FactorVAE架构,模型在沪深300、中证500等不同选股域内测试表现优异,综合因子指数增强策略实现超额年化收益最高达20.53%。
| 因子名称 | Rank IC | ICIR | 多头年化收益 | 多头超额收益 | 多空年化收益 | 多空Sharpe | 多空最大回撤 |
|---|---|---|---|---|---|---|---|
| 基础模型 | 14.20% | 1.31 | 19.80% | 14.08% | 11.14% | 3.71 | 12.69% |
| 融合市场状态 | 14.63% | 1.35 | 20.87% | 15.10% | 11.75% | 3.82 | 12.99% |
| 对抗训练 | 13.91% | 1.46 | 19.61% | 13.90% | 10.52% | 3.95 | 9.68% |
| 分状态微调 | 14.31% | 1.41 | 20.31% | 14.59% | 10.51% | 4.13 | 12.78% |
本报告标题为《市场信息的融合与深度学习的样本外泛化——机器学习系列之七》,由东北证券发布,证券分析师王琦、贾英等团队撰写,发布时间为2024年,聚焦于机器学习与深度学习在股票市场因子生成及选股中的样本外泛化问题。核心议题是针对股票市场中股票特征时间变化及分布偏移带来的模型泛化难题,探讨两类提升样本外泛化能力的方法:融合市场状态信息与对抗训练。报告基于FactorVAE模型为基础,分别拓展融合市场状态和对抗训练模块,展示其对模型性能及稳健性的优化,并将多方案综合实现指数增强,获得显著的超额收益。最终报告揭示出模型在实际交易中的良好表现,但也指出存在模型失效风险。,3,27]
报告引言强调了股票市场因子生成过程中遇到的分布偏移问题,即训练数据与未来测试环境存在结构性差异,主要因经济环境周期变化、政策调整及突发事件等导致股票特征及其与收益的关系时变。普通机器学习模型常假设数据独立同分布(IID),在现实中缺乏样本外泛化能力,因而容易产生显著回撤。分布偏移产生原因包括训练和测试数据采样偏差、真实市场环境不确定性及数据量有限。当前主流解决手段包含数据增强和异常值剔除。报告则选取带有场景解释能力的两类方法研究:
两方法分别实现“以变化实现泛化”和“以不变实现泛化”,并与该团队过去基于时间序列处理的因子生成系列报告内容衔接。
基础模型基于FactorVAE(变分自编码器改进),包含:
股票间关联性以基于风险因子截面相关度的注意力机制建模,通过股票特征与权重矩阵加权融合,增强特征表达。模型训练目标包含重构收益的加权均方误差、排名排序损失(Hinge Loss)及先验后验风险因子的KL散度以缩小分布差异。
从图2-13可观察到,基础模型生成的因子净值整体呈明显上升趋势,涨幅较为稳健,反映模型有效挖掘Alpha。Rank IC每日呈高波动但累计曲线持续向上,验证因子强效及持续稳定性。
选择5个维度共11组指标:
数据经过收益率序列和估值、资金等指标分别z-score标准化,兼顾长期分位信息和时序信号。
采用两个GRU分别提取指数日收益率序列与市场状态序列特征,拼接后形成市场特征向量It。
为解决市场特征直接拼接导致同日股价共享同一市场特征噪声,利用多头注意力机制将市场特征映射为多组隐状态(理解为驱动市场变动的隐因子),以隐状态作为Key和Value,股票特征作为Query,通过交叉注意力计算隐状态对股票影响权重,实现市场对股票的差异化调整,再与原始特征融合(维度由(N,d)扩展到(N,2d))。
其余结构同基础模型,训练增加市场信息辅助,推理阶段不含后验收益。
表4显示,融合市场信息后Rank IC提升到14.63%,ICIR1.35,多头年化超额15.10%,均优于基础模型,另外多空收益波动率、最大回撤均有所增加但在可接受范围内。
图22-23分组累积净值及Rank IC曲线也展示出更平稳向上趋势,模型对市场切换的适应力增强。
针对市场环境变化导致分布偏移问题,引入不变风险最小化(IRM)与信息论,寻求与环境无关(Invariant)的因果特征F,满足条件
H(Y∣F)=H(Y∣F,E),
即条件下的收益信息在环境下不变,不受市场状态干扰。
优化目标形式为最大化互信息I(Y;F),同时确保对环境无关,求解映射g产生F=g(X)。
通过引入对抗训练框架实现上述目标:设立环境相关模块(融合市场状态模型)与环境无关模块(基础模型),同时训练不变特征生成器,优化使两个模块输出重构结果及因子收益分布尽可能一致,降低环境信息的影响。
不变特征生成模块由可学习权重和标准化层组成,依赖GSM提取的时序特征。训练目标函数含损失重构差异、排序差异与先验后验KL散度,目标是通过不断权重更新生成环境稳定的特征。训练交替优化生成器及两个预测模块直至收敛。推理阶段仅环境无关模块及生成器参与预测。
表5显示,Rank IC略低于基础模型(13.91% vs 14.20%),ICIR提升至1.46,多头年化超额略降(13.90%),多空Sharpe上升,最大回撤明显降低(9.68% vs 12.69%),回测净值曲线更为平稳,说明稳定性得到有效提升,但因收益略有牺牲,体现出不变特征挖掘更注重长期稳健而非短期轮动。
回测中融入市场状态、对抗训练及前期提出的分状态微调均有提升,表6体现:
方法间相关性较高(0.7-0.9区间),结合多因子截面z-score等权合成为综合因子。
图27及表8显示综合因子Rank IC提升至15.39%,多头超额收益约16.16%,同时波动率和Sharpe比有所增加。分选股域(沪深300、中证500、1000、国证2000)表现均优于基础模型,尤其小市值股票优势显著(表11及图33-40)。
基于合成因子构建沪深300、中证500、1000及国证2000指数增强策略,设置严格的跟踪误差、行业和风格偏离限制及交易成本约束。
表12显示,策略年化收益率分别为10.04%、12.38%、14.86%、21.61%,年化超额收益保持在11.44%-20.53%区间;同时策略变现为较低的回撤和高Sharpe,比基准表现优异。净值图表41-44进一步验证了策略稳定性及持续超额收益。
该图展示了基础模型及融合市场状态、对抗训练、分状态微调及综合因子累计净值走势。综合因子线高于其他单一方法,体现多方法融合优势,收益持续攀升且波动性可控。
流程包含从量价混频序列提取股票特征,经风险因子关联注意力调整,编码器利用未来收益生成后验因子,预测器生成先验因子,解码器结合因子暴露重构/预测股票收益,结构清晰完整展现模型训练与推理机制。
净值曲线表现正向上涨特征,初期波动较小后加速上升,分选股域显示对小市值资产池表现更优。Rank IC柱状图间断但总体累积递增,说明因子有效且稳定。中性化操作降低市值影响,提高稳健性,2024年初的回撤表现更佳。
各种市场风格、估值、流动性、资金面和风险指标随时间变化情况被系统展示,反映市场周期特征、风险溢价及投资者情绪变化。此类输入为后续模型融合提供丰富多元的宏观视角。
以双GRU分别提取市场指数收益率和多类状态指标,利用交叉注意力机制实现市场隐状态和股票特征的差异化融合。该结构细颗粒度地建模,杜绝简单拼接造成噪声引入,提升模型区分力。
净值持续增长超过基础模型,Rank IC的稳定增长与较高峰值验证了市场状态融合对股票预测性能提升的显著贡献。
由不变特征生成器决定选择特征,分别输入环境相关(含市场状态信息)和环境无关模块。两个模块的损失以对抗训练方式优化,促进不变特征学得与环境独立的稳定特征。
净值曲线稳健性提升但超额收益小幅下降,Rank IC波动较小。说明不变特征方法适合追求风险可控和稳定Alpha的系统。
复合因子净值曲线表现最优,整体Rank IC优于单一方法,保持长期直线上升趋势。中性化处理下提升模型稳定性及减少极端回撤,综合信号融合优势明显。
相关性表明三种泛化手段捕捉因子相关信息各有侧重点但相互重叠。风险因子相关性揭示所有因子均带有规模、价值、收益率、流动性等因子暴露,融合及对抗训练因子风格偏向性有所调整,有助投资者风险敞口把控。
报告未涉及传统估值方法,本质为量化策略模型研究,衡量指标为Rank IC、ICIR、多头收益及年化超额,策略级别以最大回撤、Sharpe及收益波动作为稳健性衡量。模块间的对抗训练通过分布距离控制相似性,实现泛化保障。综合使用多个评价指标确保了因子和策略的有效性和稳健性。
报告明确指出所有结果基于历史数据及模型范式,存在模型失效风险。市场的非stationarity、政策突变、极端黑天鹅事件均可能导致模型性能不及预期。回测未考虑流动性冲击和市场冲击成本,实际操作效果受限于交易环境。对抗训练虽提升稳健性,但收益可能被限制。策略需后续实时监控和动态校准以应对市场结构变化,28]。
本报告通过构建FactorVAE基础模型,结合高频和低频量价数据,利用风险因子关联注意力机制,有效挖掘股票内在风险因子及超额收益信号,模型基础版本在全市场及各细分选股域实现了稳定显著的超额收益。
针对样本外泛化难题,报告创新性地提出两类方法:
融合市场状态:通过引入风格切换、估值、资金面及风险情绪等多维市场状态指标,采用双GRU+交叉注意力机制动态调整股票特征,模型泛化能力和预测收益均显著提升,五分组多头年化超额增至15.10%。
对抗训练:借助不变风险最小化理论,设计不变特征生成模块并联环境相关及无关预测模块,通过优化缩小两模块差距,筛选环境无关因子,提升模型稳健性,显著降低策略回撤,ICIR提升至1.46。
两方法结合前期的分状态微调因子,构建综合因子,实现了更高的Rank IC(15.39%)、年化超额16.16%,综合因子在沪深300、中证500、1000及国证2000各选股域均有显著表现优势,尤以中小市值池表现最佳。
基于综合因子构建的指数增强策略,实证其在市场中实现了超过市场基准的稳定超额收益,年化净收益最高达21.61%,Sharpe比保持在2以上,最大回撤得到有效控制,彰显量化因子在实际投资中的应用价值。
诸多图表和表格清晰展示了不同模型版本及方法带来的性能差异,模型从因子形成、稳定性、收益率及风险控制多维度验证了样本外泛化的有效性。
报告系统地呈现了机器学习模型在股票因子生成中的前沿探索,融合理论与实务,兼顾模型性能与风险控制,展示了深度学习在金融工程领域的深化应用。尽管面临真实市场不确定性和潜在模型失效风险,报告提供的模型和方法学为后续量化投资策略开发和风险管理提供了坚实参考依据。
报告引用了包括FactorVAE基础文献、市场状态GRU模型、不变风险最小化理论及对抗训练实现文献等最新国内外学术成果,数据及计算基于东北证券及Ricequant平台。
此分析依报告内容深入解读和评价,为理解该领域最前沿因子生成及泛化建模方法提供全面视角。
机器学习系列之七:市场信息的融合与深度学习的样本外泛化.pdf