本报告介绍了基于openFE框架的基本面因子挖掘方法,通过对三大财务报表数据进行结构化排列组合,构建出约70万个合成因子,并采用两步筛选法选出表现优异的因子。实证显示动量、市值和行业因子最为重要,估值及成长因子表现较好,质量因子表现一般。基于精选因子构建的月频LGBM选股模型,在回测区间实现年化超额收益21%,夏普比率1.19,且策略在中证500和中证1000指数成分股中表现优异.
| 风格因子 | 平均特征重要性 |
|---|---|
| 价值因子 | 43.13 |
| 成长因子 | 20.65 |
| 杠杆因子 | 16.14 |
| 盈利因子 | 12.67 |
| 质量因子 | 7.09 |
报告标题: “逐鹿”Alpha 专题报告 (十三)——基于openFE 的基本面因子挖掘框架
作者: 丁鲁明,王超
发布机构: 中信建投证券研究所
发布日期: 2023年2月17日
主题: 基于openFE框架的基本面因子挖掘与选股模型构建,聚焦A股市场基本面因子体系的开发与应用。
核心论点:
本报告引入了一种基于openFE(枚举法的Expand-And-Reduce)框架的基本面因子挖掘方法,通过对A股上市公司三大财务报表数据进行结构化组合,构建约70万个基本面风格因子,采用两步筛选法提炼重要性最高的合成因子。报告发现,动量、市值与行业因子是A股市场中最重要的因子,其次为估值和成长因子,质量因子表现较弱。基于筛选出的因子训练的月频选股模型,在近三年的回测中表现稳定,累计收益率91.2%,年化超额收益21%,夏普比率1.19。报告明确提出openFE框架在基本面因子挖掘上的高效性与可解释性,展示其在量化投资中的实用价值,2,3,7,8,11].
因子挖掘作为量化投资的核心技术,旨在从海量数据中提炼出具有投资价值的特征。因子包括价值、动量、规模、质量和波动率等。报告简述了因子挖掘过程中涉及的数据预处理、评估、回测,强调结合统计学与计算机科学以提升因子投资效果。介绍了三种代表性因子挖掘技术:DeepLOB(深度学习)、AlphaZero(启发式算法)和openFE(枚举法),其中openFE适合中低频因子、因子复杂度较低且可解释性最佳,但效率最低。表1系统对比三者优劣,凸显openFE在因子可解释性和生成因子数量上的优势,但效率受限需加速筛选手段以提升实用性.
openFE基于基础财务特征(来自资产负债表、利润表和现金流量表共计100余个字段,经缺失值剔除和特征重要性筛选后保留每张报表15个关键因子),再加上市值、行业、近期动量因子,总计48基础因子。利用简单算子(四则运算、同比YOY、环比QOQ、横截面排序CSRank)对基础因子进行结构化组合,构建五大基本面风格因子系列:杠杆、收益、质量、估值、成长类因子。因子结构设计重点在于兼顾金融学典型财务比率形态(如PE、ROE的推广版本),形成了约70万个二阶合成因子集合。
为克服单因子大规模检验效率低的问题,openFE引入两阶段筛选策略:
合成因子列表详尽,包含成长、价值、盈利、质量、杠杆五大风格,均由CSRank横截面排序算子和基本面字段通过加权线性组合构成,兼顾环比、同比的时序变动形态。成长因子强调收入、利润及权益的季比/年同比增长;价值因子侧重净利润与管理费用等指标对总市值比率;质量因子结合利润与现金流指标;杠杆因子体现应收应付款等负债权益关系。
表5显示不同风格因子平均特征重要性中价值因子最高(43.13),成长其次(20.65),质量因子最低(7.09)。基础因子中动量、市值、行业因子表现尤为突出,支撑其在模型中的核心地位,6,7].
选股模型由50个合成因子和10个基础因子组成,采用滚动训练方式(月频),预测目标为未来1个月收益率,训练窗口10年,测试集1年。股票池涵盖全A股并剔除次新、ST、涨跌停及换手率低流动性差的股票。调仓时等权买入评分最高的400只股票。
模型回测表现图(图1)显示策略累计收益91.2%,超额收益79.4%,超额年化21%,夏普比率1.19,最大回撤20.52%,超额最大回撤16.79%。按年度看,2020年收益30.46%,2021年38.35%,2022年5.95%,均为正超额收益,且2021及2022年超额收益均超20%,8].
因子分组收益率显示因子的单调性良好,多头组收益显著(图2),表明因子信号清晰有效。在不同时间点(2020年1月、2022年11月)的模型特征重要性比较(表9、表10),动量、市值、行业仍为主导因子;2022年模型中杠杆、盈利因子权重提升,显示因子风格及市场偏好存在动态变化。
模型应用于不同指数成分股后表现分化:中证500和中证1000中选股效果优异,多头收益明显;沪深300中表现较为平稳但不突出(图3、4、5),表现差异可能源于指数组构成及行业权重差异,10,11].
总结部分重申openFE在大规模因子枚举及筛选中的效率与可解释性优势,基于其筛选的合成因子及基础因子搭建选股模型展示了明显的正向超额收益能力(年化超额21%,夏普1.19),核心因子为动量、市值、行业,次级表现为估值、成长因子,质量因子表现一般。策略在全市场表现优秀,在中证500/1000表现较好,沪深300相对逊色。未来改进方向包括结合启发式算法生成更复杂结构因子、引入衍生数据丰富基础特征、以及针对行业或指数进行定制化因子挖掘,12].
报告提示因子基于历史数据,由于市场风格切换存在因子失效风险。
模型结果存在随机性(如初始化随机种子差异)、样本选择和参数设置的敏感性,可能导致结果波动。
模型计算资源需求较高,资源不足会令模型欠拟合。
数据本身的统计误差也可能导致模型效果与实际偏差。
强调模型仅供参考,不构成投资建议,投资者应谨慎对待.
展示2016年6月至2017年5月间上证指数与国债指数走势,藉此背景说明基础市场环境。指数显示上证波动较大,国债指数稳定,强调多因子策略在震荡环境中的超额收益潜力.
系统对比了深度学习(DeepLOB)、启发式算法(AlphaZero)和枚举法(openFE)在因子生成数量、适用频率、因子复杂度和可解释性上的差异。说明openFE适合中低频、可解释因子生成,但效率最慢,需要创新策略提升筛选效率.
总结五类风格因子结构,用CSRank算子结合净利润、资产负债表等财务变量构建分子分母比例型或加权组合型因子,体现财务报表数据典型经济学意义.
阐述逐步加大样本量同时缩减特征空间的快速筛选机制,以提升70万个因子的检验效率,策略核心为准确剔除无效因子.
价值因子43.13的平均重要性明显领先,表明估值信息对A股股价具有较强解释力;成长、杠杆因子次之,质量因子贡献较少.
列举10个表现优异的基础因子,包括总市值、行业和净利润等,确认市值、市盈率、行业划分的核心作用.
展示2020年至2022年底的策略累计收益及超额收益走势,蓝色曲线(总回报)稳步上升,绿色曲线(alpha)显示持续超额,红色(WIND全A基准)和紫色(最大回撤)辅助展示策略安全边际和风险水平。夏普比率1.19表明风险调整下的良好表现.
柱状图清晰展示因子分组收益的梯度递减效应,最高组显著为正,最低组为负,证明因子具有良好单调性支持选股有效性.
两时间点特征重要性对比揭示市场因子结构动态演变,如动量因子的相对重要性提升,2022年杠杆和盈利类因子权重增加,反映市场阶段和风格变化,10].
三个指数的分组收益率展示模型在指数层面的表现差异,中证1000和500因子信号更明显,沪深300较弱,指向中小盘策略更有效.
报告未涉及具体企业估值,而是对因子及因子模型进行系统挖掘和回测,其价值体现在因子组合的alpha收益和风险特征。采用的LGBM多因子模型为非线性组合预测工具,输入为基础及合成因子集合,以未来1个月收益率作为目标变量,无明确贴现等传统估值模型,重心为金融工程智能因子挖掘与性能优化。
关键假设包括因子可解释性、因子收益稳定性(历史映射未来)、市场风格无剧烈切换、标的样本完整性及有效性。
报告未提供针对风险的直接缓释策略,但后续改进方向暗示通过算法融合、行业定制化等方式提升因子稳定性。
报告坚持专业严谨,在因子挖掘方面强调openFE枚举法的可解释性和对大规模因子筛选的效率权衡,展现了以金融工程为核心的因子投资实践。
综上,报告技术路径和实证表现详实可靠,但从学术严谨角度,仍需关注模型泛化和实际落地的多维度挑战。
本报告系统开发并验证了基于openFE枚举框架的基本面因子挖掘体系,通过对三大财务报表数据及扩展算子的结构化组合,构建了大规模风格多样的基本面因子群,借助两阶段筛选机制有效提炼出关键合成因子。实证显示:
本报告展示了一种高效且可操作的量化基本面因子发掘及应用策略,具有重要的理论和现实价值,但作为历史回测结果,必须放在严格风险管理和策略动态调整框架内审视。
| 图(表)编号 | 内容描述 | 页码 |
|---|---|---|
| 图0 | 2016-2017年上证指数与国债指数走势 | 0 |
| 表1 | 因子挖掘方法三类技术对比 | 2 |
| 表2 | 五类风格因子结构及构成 | 4 |
| 表3 | 连续二分法筛选机制 | 4 |
| 表4 | 关键合成因子详单 | 5-6 |
| 表5 | 风格因子平均特征重要性 | 6 |
| 表6 | 10个核心基础因子列表 | 7 |
| 图1 | 多因子选股策略回测表现 | 8 |
| 图2 | 因子分组收益率展示 | 9 |
| 表9、10 | 2020年1月及2022年11月特征重要性对比 | 9-10 |
| 图3-5 | 中证1000、500、沪深300分组收益率 | 11 |
以上为基于报告文本的详尽解读、数据分析及视角审慎评估,严格依照报告内容进行溯源和解释,全面覆盖了报告所有核心论点、数据展示及技术细节,符合专业金融分析师的深度报告阅读和再加工标准。
“逐鹿”Alpha专题报告(十三):基于openFE的基本面因子挖掘框架.pdf