量化投资-用机器学习寻找Alpha.pptx

用机器寻找Alphaxinhua.sun@目录量化投资的基本概念什么是Alpha?机器学习在资产管理中应用Signal WeightingLasso/Ridge Regression vs. OLSAdaBoost量化投资定性投资和量化投资在投资理念上没有本质上的区别，只是投资方法不同定性投资：偏艺术深入研究少而精定量投资：偏科学发掘市场规律广度用统计规律和数学模型来指导投资，本质是定性投资的数量化实践对冲基金常用量化策略常用的量化策略收敛性套利市场中性Alpha风险 +事件驱动统计套利多空策略CTAAlpha假设任何有价证券的超额收益都来自于以下模型:r = a + b rb那么 ra = r – rb = a + b rb - rb = a -(1- b) rb其中 a = 主动收益的选股部分 (b - 1) rb = 主动收益的基准择时部分Alpha的解释Alpha (a) 指的是投资回报中来自投资经理选股的一部分，而不是来自于基准表现Alpha 也指“剩余收益”如果我们规定b=1, 则禁止标的指数择时，Alpha就是主动收益（传统做多投资目标）如果将基准设定等于某一计价单位（例如：美元），那么alpha=主动回报=超额收益和投资经理资产配置（对冲基金投资目标）市场中性Alpha放空一个指数（沪深300，中证500……）构建一个股票组合(多因子模型)风险收益来源于股票组合相对于指数的表现，与指数本身的表现无关国内常用的市场中性策略做法：多因子模型依据国外学术界和业界多年研究发明的股票定价多因子模型已经在海外市场被广泛应用并得到充分验证A股市场非常适合运用多因子模型来挖掘股票投资价值股票因子定价模型单个因子分析以基本面为导向的估值因子以技术分析为导向的股票走势技术因子以及其他风格因子因子之间的优化综合多维度因子：综合考量单因子贡献度，以及因子之间的相关性/互补性A股市场由于散户的参与量大，价格与价值往往偏差较大，因此A股市场非常适合运用多因子模型来挖掘股票投资的价值常见因子池机器学习基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科，也称为统计机器学习机器学习在投资中的应用信息处理公告阅读关联关系主题发现情感分析策略研究事件研究动态多因子财富管理机器人理财资产配置机器学习 策略研究寻找新的因子探索新的数据源（特别是信噪比高的数据）因子配权 Signal Weighting固定权重经验和主观偏好稳定，对极端值不敏感抓不住短期风格变化动态多因子对于短期风格变化敏感对于极端值敏感Signal Weighting假设我们已经有了多个不同风格因子的集合，如何确定因子在模型中的权重（因子收益率）固定权重根据经验Grinold(2010)OLS Lasso Ridge RegressionAdaBoostSVMRandomForest…OLS Lasso Ridge Regression?多因子策略固定权重稳定，对极端值不敏感抓不住短期风格变化回归法 OLS对于短期风格变化敏感对于极端值敏感OLS的问题?对于，其解析解为 Almost singularX的轻微扰动造成的巨大变化不合理加入正则项Ridge Regression Lasso?Ridge Regression优化目标： 其中Lasso优化目标：Model selection in LassoLasso算出来的w很多项是0参数估计和选择一并完成AdaBoost简介监督学习、分类问题弱分类器比强分类器容易Boosting方法从弱学习算法出发，反复学习，得到一系列弱分类器，然后组合这些弱分类器，构成一个强分类器Why AdaBoost模型机制与原理清晰模型参数少，参数敏感度低每一轮如何改变训练数据的权值或概率分布如何将弱分类器组合成一个强分类器AdaBoost算法流程因子数据标准化按收益率区分强势弱势股权重初始化为等权重训练样本弱分类器计算因子区分度选择区分度最优的因子权重调整降低分类正确的股票权重提高分类正确的股票权重强分类器合并所有的弱分类器示例/haidao2009/article/details/7514787来源：浅谈/haidao2009/article/details/7514787AdaBoost/haidao2009/article/details/7514787算法细节处理?训练样本集数据准备：以横截面上因子去极值+行业内标准化之后的值为输入按收益率排序，前后30%分别记为，其余为噪声组合构建行业中性行业按照市值权重加权AdaBoost动态多因子算法流程风格可测性回测结果参考资料[1] 李航. 《统计学习方法》2012.3[2] 兴业证券. 聪明的Alpha，机器觉醒！[3] Grinold N.Kahn 《Active Portf