【专题研究】ABCM：基于神经网络的alpha因子和beta因子协同挖掘模型

文章预览

核心观点 模型改进方案 基于基本面的Barra模型中的风险因子往往考虑的是超长周期的风险，且模型中基本面信息占比相对量价信息更高，因此这种风险模型对于中高频策略可能力不从心。为了克服这些问题，我们提出了一套基于神经网络和量价数据驱动的风险因子生成模型，我们称之为ABCM（Alpha-Beta Co-mining）模型。 样本外各风险因子的表现： RankIC基本上都在3%以内、ICIR基本上都在0.2以内而RankIC胜率基本上都在60%以内，意味着各个风险因子均不具有显著的选股能力； Abs(RankIC)均较高，说明各因子对未来收益率的解释能力较强； 自相关系数均在70%以上，说明短期来看各个风险因子衰减速度较弱；而各风险因子两两之间相关性基本上都在20%以内，信息独立性较强； 各个股票池上ABCM1 & 2风险因子滚动Rsquare曲线均稳定位于Barra风险因子上方，且相对于Barra ………………………………