本报告从概率论的大数定律与中心极限定理出发,论述因子选股有效的理论基础,检验股票因子如PB的截面选股优势及时间择时波动,揭示许多因子存在如二次相关和异或问题的非线性现象,并提出使用统计学习模型作为非线性模型的理想切入点。报告详细展示了分段阶梯函数在多因子建模中的应用,结合沪深300和中证500轮动案例指出复杂非线性模型需防止过拟合,强调统计学习模型在因子投资中的潜力与发展趋势。
表1:主要资金流类因子的二次非线性系数与t值
| 排序 | 因子名称 | 二次系数均值 | 二次系数_t值 |
|---|---|---|---|
| 1 | 主动净流入量合计/流通股本 | -0.003 | -4.85 |
| 4 | 小单净流入额 | -0.004 | -4.35 |
| 6 | 超大单净流入率 | -0.002 | -3.39 |
表6:分段线性模型与线性模型回归统计量对比
| 因子收益(系数值) | t统计量 | p值 | |
|---|---|---|---|
| 分段线性模型 | |||
| 截距 | 0.013 | 50.20 | 0.00E+00 |
| ROE_basic | -0.002 | -4.85 | 1.25E-06 |
| ROE_50 | 0.004 | 2.66 | 7.91E-03 |
| ROE_300 | 0.004 | 5.67 | 1.46E-08 |
| ROE_500 | 0.003 | 4.33 | 1.49E-05 |
| 线性模型 | |||
| 截距 | 0.014 | 53.91 | 0.00E+00 |
| ROE | -0.001 | -2.08 | 3.72E-02 |
表5:统计学习模型涵盖内容
| ISL章节 | 主题 | 内容 | ESL章节 | 主题 | 内容 |
|---|---|---|---|---|---|
| 3 | 线性回归 | 单变量、多变量线性回归 | 3 | 线性回归 | 最小二乘、Lasso、岭回归、主成分回归等 |
| 4 | 分类模型 | Logistic回归、线性判别、二次判别模型 | 4 | 线性分类 | 线性判别模型、Logistic回归、超平面分割 |
| 8 | 树模型 | 决策树、Bagging、随机森林、Boosting | 8 | 模型推断和平均 | 贝叶斯方法、EM算法、Bagging |
| 9 | 支持向量机 | 核函数 | 9 | 支持向量机 | 支持向量机、广义线性判别、柔性判别 |
| 11-14 | 神经网络及无监督学习 | 主成分分析、聚类等 | 10-14 | 无监督学习 | 主成分分析、聚类分析、非负矩阵分解、独立成分分析 |
报告名称:《从线性到非线性的思考—— 多因子统计学习模型 (一)》
发布机构:长江证券研究所
发布日期:2019年3月22日
主题范围:多因子选股模型,因子有效性验证,线性到非线性建模转变,统计学习模型在金融因子投资中的应用
核心论点:
报告探讨了因子选股为何有效的本质机制,从概率论的角度论述大数定律和中心极限定理作为因子模型成功的理论基础,强调在线性模型之外,存在非线性因子关系需要借助统计学习模型等非线性模型解决。报告强调模型选择应基于因子数据特征和非线性现象的存在,而非盲目追求复杂模型,统计学习模型是实现因子非线性建模的理想切入点。报告还以多个实例分析典型非线性现象及统计学习模型的应用前景。
关键论点:
股票市场信息不完备,单一因子预测单只股票不确定性极高,但基于因子的选股组合长期持有具有正期望收益。依据概率论的“大数定律”,选股组合中大量重复独立试验中收益会趋近于因子的期望收益。中心极限定理则说明在时间序列上坚持投资,将逐渐降低选股收益不确定性。
支撑依据与数据解读:
概念解析:
关键论点:
现有因子模型多为线性,IC值低但却可能存在稳定的非线性关系。因寻找新线性因子难度较大,利用非线性模型挖掘潜在关系,提升投资效率,能更好解决因子择时、数据量不足及过拟合等难题。
实例分析
定义与范围:
统计学习模型介于传统线性模型和复杂深度学习之间的AI子领域,拥有稳固理论基础,模型结构较为简单,注重参数统计性质及假设检验(图20)。涵盖线性回归、Logistic回归、Lasso、岭回归、支持向量机、树模型、神经网络等(表5)。
模型选择思路:
主要遵循“数据特征导向”,先识别因子中的非线性现象,再选用合适简单的统计学习模型,而非盲目堆叠复杂模型。
分段线性函数(表6、图21-23)
分段阶梯模型是对线性模型的自然拓展,允许同一因子在不同股票类别(如不同市值指数成分股、行业)拥有不同影响力。以ROE因子为例,分段模型结果显示沪深300和中证500成分股ROE系数为正,小市值组为负,符合异或问题的解。该模型显著优于传统线性模型(t值明显提升,p值显著变小)。
分段函数格式明确,便于判断分组依据(市值、行业)是否构成非线性主要矛盾,并能产生连续变量,方便模型整合。
更复杂模型:沪深300与中证500轮动预测(图24-26)
单独的估值spread或市值spread与指数相对收益线性关系极弱。组合两者后,通过无监督聚类识别模式,再使用监督学习对不同模式分类,可望提升轮动策略预测准确度。此示例反映多变量复杂非线性关系问题,验证了非线性模型必要性。但样本有限,复杂模型需谨防过拟合。
图1 PB股票组合净值曲线(2005-2019)
显示用PB因子甄别的低PB组合收益远超高PB及基准指数,验证PB因子的有效性。曲线走势反映长期稳健的超额收益。
图2 PB单股票截面回归(2018年7月)
尽管整体呈现PB与收益负相关趋势,但散点极为分散,纽带强度低,单支股票预测困难。
图3 PB每100只股票截面组合回归
聚合能显著降低噪声,R²提升至0.89,佐证大数定律,组合层面因子信号清晰。
图4 股票数量与相关性关系
股票数多相关性显著增强至接近-1,证明分组越大,因子效果越稳健。
图5-6 GDP与股市季度收益回归
单样本效应弱(图5),均值回归表现明显(图6),说明时间序列维度因子解释力有限,需长周期持有保证。
图7 PB收益最大组与低PB组对比散点
高收益股票非低PB股票,单因子无法解释极端个股收益,表明模型的解释对象是均值而非极端。
图8-9 PB因子分组年化收益与按收益分类的PB均值
PB收益递减符合理论,但分收益组PB差异不大,进一步说明非线性或复杂关系存在。
图10 中心极限定理的数值模拟
模拟均匀及beta分布通过抽样均值变得正态,理论支持时间序列中因子IC波动归一。
图11-12 PB rank IC分布与未来12月平均
显示IC分布含有较大负相关噪声,但长期平均优势明显,适合模型长期持有策略。
图13-16 PB历史与未来12个月平均IC散点
各时间窗口IC相关性较弱,不支持强因子动量,但符合均值收敛,提升了长期持有的信心。
表1 & 图17 资金流因子二次效应
明确资金流因子具备稳定二次非线性,验证非线性模型必要。
表2-4 & 图18-19 ROE因子异或问题
多市值层面ROE呈正负异号,线性模型失灵,非线性高维投影(图19)可实现区分,强调模型选取要点。
表5 统计学习书籍涵盖内容
说明统计学习模型涉及线性到非线性多种模型,是因子建模的丰富理论基础。
表6、图21-23 分段线性模型及行业市值影响
显示ROE通过分段建模符合实际,行业市值影响因子IC差异明显,提示因子需细分。
图24-26 因子spread与指数轮动非线性关联
演示估值和市值spread单变量与轮动收益无强线性关系,二者联合识别聚类模式(图26)有望提升择时能力,符合复杂非线性建模预期。
报告中明确说明回测收益不保证未来收益,模拟测算不代表实盘表现,投资决策风险自负,体现了投资研究的谨慎性。
评级采用明确定量标准(相对基准指数涨跌幅),但本报告主要理论与方法论探讨为主,未明确推荐具体个股操作。
本报告系统阐述了多因子模型有效性的概率统计基础——大数定律与中心极限定理,解析了单只股票因子预测不确定性巨大而组合投资长期收益稳定的逻辑。通过具体PB因子截面与时间序列回归、IC频率分析,科学论证了因子长期持有的有效性。对传统因子模型显露的瓶颈如因子择时困境与线性模型局限给出非线性建模的理论与实证视角。
报告用资金流二次效应与ROE异或问题两个典型非线性现象举例,详解其在实际选股中的表现与线性模型失灵的实证证据,明确了非线性因子存在的必然性和有效识别的重要性。
统计学习模型被定位为非线性因子建模理想起点,涵盖传统线性模型至支持向量机、树模型、神经网络等,为多因子研究带来理论扎实且数学相对简明的工具体系。报告通过分段线性模型对ROE市值异构性进行实证,进一步证实非线性分组分析对因子有效性挖掘的大幅提升。沪深300与中证500轮动模型散点图佐证了更复杂非线性模型的需求,暗示无监督与监督学习结合的潜力。
整体来看,报告论证严谨,基于理论与数据的结合,系统性揭示了现有多因子研究从线性向非线性转变的必要性及方法路径,强调模型选择应服务于因子实际数据特征,统计学习模型则契合该需求,具备推广应用前景。该报告为多因子投资体系的升级路径提供了重要理论支撑和应用指引。
图1:PB股票组合单位净值曲线
图2:PB因子选股月度截面
图3:PB因子选股月度截面,每100只股票
图4:截面上股票数量增加,相关性增强
图7:截面上的分类问题
图11:PB月度rank IC分布直方图
图17:小单净流入额因子的非线性效应
图18:ROE异或问题示意图
图20:统计学习模型与其他AI算法关系
图21:ROE行业平均IC
图24:估值spread与指数相对收益散点图
图26:估值spread与市值spread共同作用下轮动表现
本文所有结论均基于《从线性到非线性的思考—— 多因子统计学习模型 (一)》报告原文内容,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20]。
多因子统计学习模型(一):从线性到非线性的思考.pdf