因子分域在量化选股中的应用：从概念到实证
因子分域在量化选股中的应用：从概念到实证
因子分域是量化投资中一个重要的建模方法，通过将股票按照特定特征划分成不同域，可以更准确地计算和合成因子，从而提升选股模型的预测能力。本文将详细介绍因子分域的研究框架、应用场景以及具体方法，并通过多个实证案例展示其效果。
因子分域建模的重要性
传统多因子模型通常将所有股票同等看待，但在实际中，不同股票在基本面、量价等属性上存在较大差异。例如，低估值、规模较大的蓝筹股与高估值、规模较小的成长股之间可比性较差。因此，对股票进行分域建模显得尤为重要。
因子分域研究主要应用于两个阶段：因子计算和因子合成。在因子计算阶段，可以通过行业、风格等特征对股票进行分域，差异化计算因子；在因子合成阶段，可以使用分域法对多个因子进行整合，以捕捉不同维度的Alpha信息。
因子分域建模的应用场景
1. 因子计算
因子计算阶段的分域主要分为截面分域和时间序列分域。
- 截面分域：又分为离散型分域和连续型分域。以估值因子为例，如果按照市值将股票划分为大市值和小市值两个域，可以发现估值因子在小市值域内存在稳健的收益，而在大市值域内的表现与全市场的表现较为一致。通过市值加权的方式进行连续型分域，可以进一步提升估值因子的表现。
- 时间序列分域：指在时序上对因子进行分域。以早盘收益因子为例，通过观察回测结果发现，原始的早盘收益因子没有如期呈现出稳定的动量效果。因此，可以对早盘收益因子进行改进，改进方式如下：
以反转因子为例，传统的1月反转因子（下文简称为“反转因子”）为当前股价除以过去20个交易日股价均值再减1。回测结果显示反转因子按因子值划分的10个组合并未呈现单调特征。我们尝试使用成交量和成交笔数，对反转因子进行分域，得到改进反转因子。具体分域方式为：对每只股票，在过去20个交易日中，首先计算“成交量/成交笔数”，得到平均每笔成交量；然后，计算平均每笔成交量最大的10个交易日的收益率之和，减去平均每笔成交量最小的10个交易日的收益率之和，得到改进反转因子。
从回测结果来看，改进后的反转因子在10分组下，表现出了稳定的单调特征。
2. 因子合成
因子合成阶段的分域主要通过多模型拟合和分域合成两种方式实现。
- 多模型拟合：在多因子模型中，因子合成是其中一个重要的步骤。常见的多因子模型采用直接等权合成的方式对因子池进行组合，但是不同类型的因子具备不同的表达，如果将不同类型因子直接等权合成，势必会丢失部分信息。
当因子数量过多时，难免会存在非线性因子，这时候就无法使用单个基本面因子进行加权，而需要建立模型，捕捉因子的非线性信息，将其转换为线性关系，进而进行加权。所以我们认为，应该对量价因子和基本面因子分开建模，再进行汇总。即先得到每一个子模型，再汇总得到总的信息。
- 分域合成：当存在多个选股因子和分域因子时，因子该如何整合呢？本节，我们将选股因子和分域因子拓展到多维，进行分域合成。当只有一个分域因子时，一个简单的做法是使用分域因子分别对选股因子进行离散型分域，或者使用连续型分域对选股因子进行加权，最后整合得到综合选股因子。当分域因子不只一个时，学术界提出了动态情景Alpha模型（Dynamic Contextual Alpha）来解决存在多个分域因子的情形。
本节，我们使用的Alpha因子取自同花顺量化因子库。该因子库具有多种优势：
- 类型多样：包含了多频段量价数据，如日线、分钟级、Tick快照、逐笔成交、逐笔委托数据。此外，因子库中还包含了基本面数据以及另类数据，如新闻舆情、个股热度数据等；
- 数据处理优势：尖端硬件设施以快速处理大规模细颗粒度数据；
- 人工智能：结合多种算法，如神经网络LSTM模型、注意力机制Transformer模型等，以帮助寻找有预测收益能力的特征；
- 可解释性：入库因子经过人工审核，符合经济学逻辑。
我们测算了库中11个大类、约600个因子，根据因子IC信息，从中挑选了5个因子用于分域合成的测算。我们挑选的因子信息如下：
我们以风格因子（市值、价值、成长、盈利、流动性）对挑选的同花顺量化因子进行分域测算，下图展示了分大小域下，各因子的周频Rank IC。从分域结果来看，我们发现，成长、盈利和流动性因子对各选股因子均具有较为明显的分域效果。
我们以流动性因子为例，测算同花顺量化因子在低流动性域下，相较于原始因子，是否有提升？比较基准为各因子等权，回测结果如下。从回测结果不难看出，分域后，因子提升非常明显，收益率从670.37%提升至954.99%，年化收益率从27.44%提升至32.29%，周频Rank IC从12.05%提升至13.25%。
总结
因子分域是量化投资中一个重要的建模方法，通过将股票按照特定特征划分成不同域，可以更准确地计算和合成因子，从而提升选股模型的预测能力。因子分域研究主要分为两部分：因子计算和因子合成。因子计算分为截面分域和时间序列分域，截面分域又细分为离散型分域和连续型分域。在因子合成阶段，不同因子具备不同的表达，因子可分为线性和非线性因子，可使用不同学习模型去拟合不同类型的因子，再进行合成，我们称之为多模型拟合。此外，当因子计算阶段的单个因子拓展到多个因子时，也需要合成。我们以同花顺量化因子为例，回测结果表明分域后因子表现显著提升。
本文原文来自新浪财经