本文针对多重共线性对传统线性多因子选股模型的影响,提出基于修正的惩罚性线性回归(Lasso、ElasticNet)方法构建选股因子。通过剔除高相关因子,形成D_Net因子,实现有效控制多重共线性问题,同时保证因子稳定性和选股表现。基于沪深300、中证500等股票池训练的因子均显著超过基准模型,年化收益与夏普率明显提升,且模型解释性和稳健性显著增强
本文辨析量化选股中普遍存在的多重共线性问题对线性多因子模型稳定性和解释力的负面影响,提出基于修正的惩罚性线性回归(Lasso、Adaptive Lasso、ElasticNet等)的多因子选股模型,强化回归方法的稳健性。通过引入因子相关性预处理,对惩罚模型进行适当修正,成功构建出表现优异、共线性较低的复合选股因子D_Net,实际收益率和夏普率显著优于基准模型。模型适应性通过沪深300、中证500、中证800不同行业股票池进行了对比验证,验证了其稳定性和广泛适用性。
总体结论为,多重共线性不可忽视,惩罚性线性回归加相关性筛选的组合策略有效提升选股模型稳定性与收益表现。
1.1 前期研究回顾
从2015年至今,兴业证券团队持续探索机器学习在量化选股领域的应用。经典的线性模型在自变量正态性、多重共线性、高维数据等问题上均存在缺陷,团队不断改良变量筛选技术,设计过滤法、包裹法与嵌入法等特征选择方法,以提升因子筛选效果。此前报告《当线性模型遇见机器学习》展示了基于过滤法和包裹法的动态线性信号因子(DLS)构建成果。本文基于嵌入法(即惩罚性线性回归)进一步深入解决多重共线性问题。
1.2 多重共线性问题探讨
报告详细定义多重共线性的概念及其分类,包括完全共线性和近似共线性,阐述诊断方法:
使用方差膨胀因子作为主要量化指标,定义VIF>10为严重共线性警戒线。多重共线性产生的原因包括变量本身性质高度相关及样本量不足导致偶然相关性。报告系统阐述其对OLS回归估计量无偏性、一致性及稳健性的影响,强调在量化选股中共线性导致参数估计不稳定,因子风格分析偏差,影响模型解释力和实际选股效果。
1.3 惩罚性线性回归模型理论
详尽介绍普通OLS目标函数,及惩罚性线性回归的广义损失函数,包括L1、L2范数惩罚项的加入,阐明不同参数ρ对应的特定模型:
强调惩罚性线性回归在减少变量数目、缓解多重共线性、避免回归系数过大上的优势和局限,指出ElasticNet适用性特别强,尤其是处理变量群组效应和高维样本问题时较Lasso更为有效。
2.1 模型预处理及说明
团队拥有165个选股因子,覆盖价值、成长、质量、分析师情绪、动量反转及另类六大类,另类指标进一步细分为规模、风险、流动性、技术四个子类。数据频率为月度再平衡,采样过去36个月面板数据训练,样本时间2010年12月至2020年1月,股票筛选标准严格(排除ST、涨跌停、停牌等异常)。采取行业市值中性化处理,行业内部按流通市值中位数划分大小盘并横截面分位数标准化因子及收益,降低风格偏差,保证因子跨行业可比较性。
2.2 普通多元线性回归实证
使用OLS回归165因子直接构建复合因子,表现指标极优:
表面数据表现突出,分位数收益表现呈严格单调,但存有严重多重共线性,致使回归系数含义混乱:
说明高相关因子引发回归模型判别能力下降,参数估计高度不可靠。
图表6详细展示了因子系数因数据扰动产生的剧烈波动,确认了多重共线性的实质危害。
2.3 惩罚性线性回归模型实证分析
但重要问题是,随着惩罚力度增强保留因子数减少(13.9个至46.8个),多重共线性依旧明显存在,部分时点VIF极大或无限大,占比依旧高达30%以上。
Lasso筛选因子间依然存在强相关对(相关系数≥0.6),造成多重共线性未根治。
ElasticNet回归在9组参数配置下同样表现良好,IC和年化收益均表现出色,但共线性问题依旧明显,部分参数下VIF大于10的时点频繁出现,最高覆盖近乎100%时期,且选中因子数目多数较多(最高124个),表明需要进一步降维处理才能有效控制共线性。
2.4 修正的惩罚性线性回归模型实证
为真正控制多重共线性,团队引入过滤法对原始165因子进行相关性筛选:
上述合成因子被命名为D_Net,后续验证与性能展示的核心因子。
此外,D_Net合成因子的每期因子池数量与DLS接近且稳定,且不同风格因子占比与基准DLS基本一致,质的差异表现为近年质量风格因子在D_Net中占比提升,价值因子占比有所下降,与市场现状相符。
综合来看,因子训练范围与股票池匹配度是提升选股模型表现的关键因素。
报告从线性多因子模型出发,深入分析多重共线性问题的定义、本质与对模型的危害,证明了传统的OLS方法及部分单独惩罚模型无法彻底解决问题。通过实现因子相关性筛选结合修正的惩罚性线性回归(主要是ElasticNet),构建出了更稳健且有解释力的D_Net选股因子,实证分析一致验证其更优的选股效果和更低的多重共线性风险。团队结合沪深300、中证500和中证800三个股票池进行了横向比对和纵向训练测试,进一步验证模型在不同市场环境和风格结构下的适应能力。
在机器学习与量化投资研究的持续进化中,报告体现了兴业证券量研团队的研究深度与应用创新。未来将持续深化机器学习在量化投资中的实践探索,推动理论与实务的融合发展。
表格列举了兴业证券2015年至2019年的多篇量化因子和机器学习研究报告,明确团队对技术迭代和理论框架的长期积累,涵盖Adaboost、随机森林、支持向量机及集成学习,彰显技术深度为本文方法论奠基。
| 因子类别 | 数量 |
|---|---|
| 价值 | 19 |
| 成长 | 33 |
| 质量 | 39 |
| 分析师情绪 | 13 |
| 动量反转 | 9 |
| 另类 | 52 |
另类因子下又细分规模、风险、流动性、技术指标。因子数量分布让模型训练充分覆盖多种风格维度,是构建复合因子的基础。
| 模型 | 平均值 | 标准差 | IC_IR | T值 |
|---|---|---|---|---|
| Mult_Regression | 0.151 | 7.4% | 2.04 | 20.75 |
IC值和T值极高,表示因子相关性强且稳定,但违背了共线性所致系数不稳定的实际统计表现。
展示了因子根据分位数划分的不同组的收益率、夏普率、最大回撤等指标。最高组年化收益39.2%,夏普1.21,但最低组亏损严重,整体胜率90.9%。股价说明选股能力强,但未反映模型不稳健。
| 因子 | 权重 | 释义 |
|---|---|---|
| Revenue_TTM | -20.755 | 营业收入 |
| Asset_LR_Ln | 20.741 | 总资产自然对数 |
| Equity_LR_YoY | -0.0799 | 净资产同比变动 |
资产和营收两个高度相关因子回归结果权重大小相反,显示参数不稳定。
随机扰动资产因子后,相关性仍高,但对应回归系数剧烈变化,营业收入权重由-20.755变为0.011,资产权重由20.741变为-0.018,凸显多重共线性极大影响系数稳定性。
列出高相关(≥0.6)因子对,包括价格偏差、成交额等技术指标的高相关性,透露Lasso未充分退出同类相关变量。
展示了筛选流程:由165至51,再至32,最终20.5个因子,筛选原则为基于因子IC及相互相关性控制,同时保障风格多样性,为后续惩罚性回归提供优化输入。
柱状图表示因子筛选后数量稳定在70左右,时间序列无明显波动,说明方法具有持续稳定性。
清晰显示不同Lasso与ElasticNet参数模型的IC、T值、收益率、夏普率及每期选择因子数量,中间模型的ElasticNet(L1=0.05,L2=0.3)表现突出,因子数目合适(25个),平衡效果及共线性。
时间序列折线和柱状图表明各期最大VIF约为5,均值约1.4,维持在较低水平,证实因子相关性筛选成功抑制了共线性。
红线D_Net因子净值曲线远高于蓝线DLS,收益稳健且显著超越基准。
D_Net略多于DLS,但两者数量稳定,说明模型选择因子稳健。
成长、价值、质量及动量反转、另类、情绪风格因素在两个模型中趋势相似,2019年以来D_Net质量因子比例上升,价值因子下降,契合市场实际行情调整。
| 指数范围 | IC均值 | 标准差 | ICIR | T值 | 年化收益 | 夏普率 |
|---|---|---|---|---|---|---|
| 沪深300 D_Net | 0.074 | 12.4% | 0.60 | 6.2 | 25.0% | 1.88 |
| 沪深300 DLS | 0.070 | 11.6% | 0.60 | 6.3 | 24.6% | 1.79 |
| 中证500 D_Net | 0.107 | 10.1% | 1.06 | 11.0 | 37.6% | 2.93 |
| 中证500 DLS | 0.088 | 9.0% | 0.98 | 10.2 | 33.0% | 3.15 |
| 中证800 D_Net | 0.094 | 10.6% | 0.89 | 9.3 | 33.6% | 2.53 |
| 中证800 DLS | 0.081 | 9.2% | 0.88 | 9.2 | 30.8% | 2.97 |
D_Net在收益及统计稳定性上均优于DLS,尤其在中证500区间优势明显,涌现更好的选股能力。
类似表格呈现不同股票池内部训练得到的D_Net因子指标,均表现优于对应全市场训练因子,支持训练范围匹配提升模型表现的结论。
多张趋势图显示D_Net因子及股票池训练版本在宽基指数成分内,连续多年资金曲线稳健上行,支持模型稳定性和实用性。
报告无专门的估值章节,因其性质为量化模型构建与实证研究,非传统个股估值报告。但从模型训练与因子构建过程可见,团队通过多重回归与惩罚回归的损失函数最小化,在加入L1和L2正则化参数(惩罚系数α,比重ρ)下,设计模型达到因子选择与稳健性平衡。ElasticNet的惩罚系数经过系统调优,如L1=0.05, L2=0.3,成为核心参数。因子平滑度、多重共线性指标(VIF)和选股表现均被作为对模型有效性的评判指标。
敏感度分析体现在惩罚系数对因子数量和共线性控制的权衡影响,模型选取稳健的参数组合确保实用性。
模型失效风险:模型及结论均基于历史数据统计特征,市场环境变化可能导致模型效能降低甚至失效,尤其是市场风格大幅变动或极端事件。(页0,17)
数据及因子构造风险:因子数据质量、采样偏差、因子定义变化等均可能影响模型稳定性。
参数选取风险:惩罚系数和因子筛选阈值调整可能导致模型过拟合或欠拟合,影响预测准确性。
报告未详述缓解策略,但通过多重测试、多指数池验证体现一定的稳健性。
报告数据全面,逻辑自洽,惩罚性回归结合因子相关性筛选方法有效缓解多重共线性风险,且明确统计指标支持。
然而,ElasticNet模型实际选择的因子仍较多(20-30个),在激进惩罚下变量数减少伴随表现有所下降,说明模型依然存在模型复杂度与解释力的权衡。
高频变动的因子权重可能导致模型短期内非稳定现象,报告未充分展开对极限情况的稳健性检验。
对回归模型的假定(线性关系、多因子独立性)在真实市场中往往偏弱,非线性和非平稳性风险隐含存在。
样本选择(剔除涨跌停、停牌等)虽保证数据质量,但可能导致选股机会的系统性偏误。
总的来看,报告对多重共线性的理解及解决方案具有实践参考意义,但仍需警惕在实际应用中可能遭遇的市场阶段性失效及参数敏感性问题。
本报告聚焦于量化选股中的核心技术难题——多重共线性,通过系统理论分析与丰富实证研究,推出了基于修正惩罚性线性回归模型的选股因子体系。实证中,
报告不仅丰富了量化选股理论体系,也为实际策略构建提供了可操作的工具和方法。整体上,修正惩罚性线性回归选股模型在当下中国A股市场具有较强的应用价值。
感谢兴业证券经济与研究院提供数据和技术支持,依托兴业量化因子数据库和日常机器学习方法更新,完成本次研究。
【本分析严格基于原始报告内容,所有结论均有明确页码标注,严禁未经授权转载。】
定量研究:基于惩罚性线性回归的选股模型研究.pdf