本文提出了一种基于周频、日频及15分钟高频量价数据的混合频率量价因子机器学习框架,通过残差增量学习与特征提升方法,有效缓解了不同频率因子间相关性较高的问题,显著提升了综合量价因子的表现。多维度量价因子在沪深300、中证500、中证1000等多个指数成分中的因子表现和指数增强策略表现稳健,年化超额收益率最高达38.01%,但存在小市值股票带来的尾部风险敞口,未来研究将聚焦于风险控制和小市值效应的缓解。
研究背景与模型框架
多频率量价数据构建及初步测试
残差增量学习框架设计
基于特征提升的混合频率因子学习框架
综合因子表现对比与多空组合表现
综合量价因子单因子测试
不同成分股因子表现及风险暴露
指数增强策略构建与实证结果
风险提示与未来方向
该报告通过引入周频、日频及15分钟高频三种不同频率的量价数据,结合残差增量学习及特征提升(梯度提升树模型,GBDT),提出一个混合频率的综合量价机器学习因子模型。与之前单频数据或简单等权加权方式相比,新模型在因子表现和策略收益均显著提升,并通过量化实证验证了模型的有效性。基于此综合因子构建了一系列指数增强策略,在沪深300、中证500和中证1000等不同指数上均取得理想的超额收益。
报告的主要信息是:通过引入多频率数据及残差增量学习框架,可有效缓解不同数据集因子相关度偏高的问题,提升量价因子表现,最终推动量化选股和指数增强策略的收益改善。
报告首先回顾了此前基于单一数据频率(日频、周频)和多模型多数据集因子构建流程,明确指出因子之间存在较高相关性限制了增量信息的挖掘。为弥补这一不足,选择15分钟频度的高频数据作为新的补充数据源,认为这有助于捕获更多市场细节信息。
核心逻辑是高频数据捕获的短期交易行为和价格变动可能不同于日频和周频,这些不同频率的数据是因子挖掘的关键多样化来源。随后对比不同数据集的学习效果,发现单数据集多模型的因子优于单模型,而多数据集多模型综合表现最佳,但不同数据集因子的相关性依然较高(如图2和图5所示),1,2]。
对应15分钟的高频量价数据,报告利用历史5个交易日的15分钟的OHLC、VWAP及成交量信息进行特征构建(见图3)。随后,分别对周频、日频、15分钟频率三个数据集使用多模型进行机器学习生成因子,采用简单等权加权构造综合量价因子。
关键数据点包括三组因子的两两相关性:
说明不同频率间的因子存在一定差异,有利于增量信息的挖掘(见图5)。实证结果表明加入15分钟因子后综合因子的RankIC、多头超额收益率和最大回撤均有所改善,说明高频信息增强了模型的有效性,2]。
针对不同频率数据集因子相关性仍偏高问题,本文借鉴机器学习中的Boosting思路,提出基于残差增量学习策略(见图9)。具体是:
最终结合三模型预测,取平均得到综合预测。此方法使每一步新模型都专注于增量信息而非重复学习已有信息,有效降低不同数据集模型的相关性,提升综合效能。
报告指出该方法存在两点不足:
为解决残差学习不足之处,报告进一步提出基于特征提升的残差增量学习框架(图10),核心思想为:
此框架兼顾残差增量思想和特征融合,解决单纯残差框架迭代次数少、特征独立缺陷,模型能捕获更多复杂非线性交互关系,6]。
报告采用双层GRU结构,自序列的最后时间步输出一个向量表示该序列特征(见图11)。选取64维特征数,三个数据集合计192维,再加Alpha158特征共350维输入GBDT。
实证中,该GRU提取的单数据集因子相关性较低(均在0.41至0.43之间),说明提取的特征表现较为多样,有助于降低多数据集间的相关度。
从综合因子RankIC、多头超额收益、多头超额最大回撤等指标看,残差+特征提升混合模型表现最好(因子多空累计净值及多头超额净值曲线见图12和图13),显示该框架显著提升了因子质量和投资组合表现。
在实证测试部分(图14-图17),综合因子表现稳健,单因子20组多头组年化超额收益明显,RankIC长期稳健在0.1以上,多空组合累计净值显著优于基准。
分不同指数成分股测试(沪深300、中证500、中证1000),均显示良好稳定的表现(表7、表8),但中证500成分股内的多头因子表现略弱,推测与成分股流动性及风格特性有关,9]。
综合因子与流动性(Liquidity)和残差波动率(Residual Volatility)的平均截面相关性较高,分别为-0.38和-0.42,表明因子在一定程度上暴露于这两类风险因子。
极端风险分析发现多头组合大幅回撤主要发生于2020年底至2021年初和2024年初两期间(见图18-图19),与小市值因子暴露高度相关(对应回撤区间市值因子贡献分别为-11.4%和-6.87%),说明模型存在一定小市值因子的尾部风险敞口。
原因推测是小市值股票历史回报较高,模型基于最小化loss训练,优先捕获小市值效应,导致非线性拟合过头(过拟合)带来尾部风险,10]。
本报告属量价因子模型及相关策略研究,没有直接涉及传统财务估值方法,如DCF、PE等。模型的“估值”可视为机器学习模型在历史数据上的预测能力和策略的超额收益表现。报告通过RankIC、超额收益率、信息比率、最大回撤等指标综合评估模型表现,这些指标为投资量化因子的有效性和潜在价值提供了定量估计。
报告虽然指出上述风险,但未具体提供缓解策略,尤其对尾部小市值因子的过度拟合持继续研究态度,9,10,14,15]。
招商证券定量团队的《混合频率量价因子模型初探》报告系统梳理了如何通过引入周频、日频和15分钟量价数据,结合多模型机器学习框架,逐步摆脱不同数据集因子高相关性的瓶颈。依托残差增量学习和基于特征的梯度提升框架,模型成功捕获了多层次市场信息,实现了因子表现的显著提升。
从图表和实验结果中可见,15分钟频率因子与周频、日频因子在相关性上较低,增添了信息多样化基础。残差增量学习框架有效降低了信息冗余,进一步通过神经网络提取多维特征并融合到GBDT,模型在RankIC(约13.15%)、多头超额年化收益(超38%)等指标上表现尤为优秀,显示良好的选股能力及多空分化能力。模型在沪深300、中证500、中证1000三大指数及成分股内外进行了广泛的验证,均展现较强稳定性。
风险方面,因子较高暴露于流动性和残差波动率,同时存在较明显的小市值暴露及对应尾部风险敞口,大幅回撤阶段与小市值风格负收益贡献密切相关,提示需进一步优化模型避免过度拟合。
指数增强策略基于该综合因子构建,通过多重约束优化,在控制合理换手率的基础上,取得了良好的年化超额收益和信息比率,回撤水平总体可控,策略适应不同市场环境及不同指数成分股,表现稳健。
总体来看,报告提出的混合频率量价因子学习框架及其在量化选股和指数增强上的应用具有显著的理论与实证价值。尽管面临数据相关性与尾部风险挑战,但该框架为量价因子及机器学习模型的有效集成提供了重要思路和方法支持。
(以上分析基于招商证券《混合频率量价因子模型初探-AI系列研究之四》报告原文内容系统整理解读,所有观点均严格溯源于报告本身),1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]
混合频率量价因子模型初探-AI系列研究之四.pdf