《神经网络日频alpha模型初步实践.docx》由会员分享，可在线阅读，更多相关《神经网络日频alpha模型初步实践.docx（18页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、一、传统的Alpha模型31.1 多因子选股体系31.2 传统Alpha模型的困境4二、基于神经网络的Alpha模型框架52.1 兼容传统Alpha模型的框架设计52.2 因子单元Alpha因子的生成模块62.3 因子加权方法正交与弱因子加权7三、策略实践与组合分析93.1 数据和训练说明93.2 相互正交的弱因子103.3 不同换手约束下的500增强表现 123.4 成交价格对500增强业绩的影响 133.5 策略在300和1000增强中的绩效 15四、总结17风险提示17图8 :中证500增强持有因子数量变化图7 :中证500增强弱因子权重分布均值最小值1/4分位数中位数3/4分位数最大值
2、0.38 曳 0.00 朋 0.22 曳 0.3510.5011.90%数据来源：wind咨询、东方证券研究所图9 :模型ZSCORE不同滞后期单日RankIC均值与ICIR （未年化）图10 :模型ZSCORE不同滞后期累计RankIC均值与ICIR （未年化）数据来源：wind咨询、东方证券研究所RankIC均值 ICIR （右）数据来源：wind咨询、东方证券研究所图11 :模型ZSCORE隔日IC ( T+2 )时间序列走势70.0%60.0%50.0%40.0%30.0%20.0%10.0%0.0%-10.0%-20.0%-30.0%数据来源：wind咨询、东方证券研究所3.3 不同
3、换手约束下的500增强表现比拟不同换手约束下中证500增强各年度的业绩情况，我们不难发现日频调仓模型2017年 之后组合业绩大幅弱于之前，但在换手较低的情况下，近几年也可以获取20%左右的超额收益， 另外随着组合换手的放大，虽然早期费后收益有明显增长，但近几年费后收益反而大幅回落，说明 每日高频调仓的策略近年来衰减更快，反而相对低频的策略更加稳健。图12 :不同换手率约束下中证500增强费后年化对冲收益和最大回撤数据来源：wind咨询、东方证券研究所I区间汇总2013 年2034 年2015 年2016 年2017 年2018 年2019 年2020年2021 年 Idelta =0.01年化
4、收益16.7%25.7%5.1%33.8%15.9%11.4%8.4%14.1%21.9%2.6%最大回撤-5.5%-3.8%-4.5%-5.5%-2.9%-2.4%-2.9%-2.7%-4.4%-1.4%delta =0.02年化收益27.0%38.4%15.5%59.4%29.7%17.8%17.0%20.8%23.6%2.9%最大回撤-5.2%-3.0%-3.6%-5.2%-3.1%-2.8%-3.6%-2.2%-4.2%-1.8%delta =0.03年化收益32.6%49.0%23.8%77.2%37.3%22.8%19.3%20.7%20.4%4.4%最大回撤-5.6%-2.7%-
5、2.2%-5.6%-2.7%-1.4%-3.6%-2.0%-4.2%-2.1%delta =0.04年化收益39.0%61.5%29.7%96.3%48.9%25.3%26.5%21.2%19.7%4.3%最大回撤.-5.6%-2.2%-1.9%-5.5%-2.4%-1.7%-2.7%-2.2%-5.6%-2.4%delta =0.05年化收益43.2%69.3%38.6%118.1%51.5%25.5%30.1%18.8%19.1%4.2%最大回撤.-5.2%-1.7%-2.1%-4.0%-2.2%-1.7%-2.7%-2.3%-5.2%-2.4%delta =0.06年化收益46.5%79
6、.7%46.9%128.4%62.3%26.2%29.0%15.1%17.2%4.6%最大回撤-5.5%-1.9%-2.0%-4.1%-2.5%-1.7%-2.8%-2.1%-5.5%-2.4%delta =0.08年化收益52.4%95.0%59.2%148.9%73.1%34.6%31.1%11.1%13.4%4.3%最大回撤-5.7%-2.0%-2.0%-3.7%-2.3%-1.0%-3.9%-2.2%-5.7%-2.4%delta =0.10年化收益56.2%104.2%68.4%171.5%82.6%37.6%30.7%9.1%9.8%3.0%最大回撤-5.6%-2.1%-2.1%-
7、2.8%-2.2%-1.6%-3.4%-2.5%-5.3%-2.8%delta =0.15年化收益63.9%131.7%88.0%203.7%98.5%39.9%26.4%5.0%10.8%4.0%最大回撤-5.1%-1.7%-2.1%-2.5%-2.4%-1.9%-3.6%-2.6%-5.1%-2.6%delta =0.20年化收益68.7%158.1%98.4%218.7%114.3%41.3%28.7%2.5%6.0%3.1%最大回撤-5.0%-1.2%-1.8%-2.9%-2.0%-2.0%-3.7%-4.6%-5.0%-2.7%delta =0.30年化收益70.4%174.0%11
8、3.6%222.2%128.6%42.1%29.7%-3.0%-1.7%2.2%最大回撤-10.3%-1.9%-2.0%-3.3%-1.9%-2.1%-3.7%-7.8%-7.8%-2.9%delta =0.50年化收益59.7%162.6%106.4%205.8%111.7%35.1%25.9%-15.1%-8.4%-1.7%最大回撤-25.8%-2.5%-1.9%-3.8%-2.0%-2.0%-4.8%-16.1%-9.3%-4.8%不限制年化收益53.7%151.7%96.3%194.1%99.2%33.1%24.5%-18.3%-12.3%-2.6%最大回撤-32.5%-2.8%-2.
9、0%-3.7%-2.0%-2.1%-5.1%-18.4%-12.9%-5.2%图13 :日单边换手5%约束下中证500增强时间序列表现-maMdd 胃。coag g cott-maadd hp with g tUEB5 tide- tumsvef 1 vr tvf- nvcott- hgm wo cost- hQfw cott-mjxdd beediEa 2 COIt数据来源：wind咨询、东方证券研究所3.4 成交价格对500增强业绩的影响比照不同成交价格下中证500增强的费后业绩，我们可以看出如下几点：(1)在交易信号出来之后，越早交易组合业绩越好，前收盘产生信号后，前收盘价成交业绩 最正
10、确，次日开盘其次，开盘前半小时VWAP优于全天VWAP ,优于收盘价。(2)当组合换手越高，组合业绩对成交价格越明显，比方日单边换手2%时，次日开盘价和 次日收盘价成交增强组合年化对冲收益仅相差3.1%，但日单边换手20%时，两者相差26.6%。(3)对于开盘半小时VWAP和全天VWAP这两种比拟现实的成交价格，近三年组合业绩 的差异明显小于早期，组合换手较低时几乎没有差异，说明通过抢单攫取alpha越来越困难，对于 公募等没有交易优势的机构来讲如何提升T+2日及之后的alpha更有现实意义。图14 :不同成交价格对500增强业绩的影响日单边换手2%区间汇总2013 年2014 年2015 年
11、2026年2017 年2018 年2019 年2020年2021 年 |年化收益33.6m44.9 418.%67.8436.3%22428.3%28。29.93国前收盘价最大回撤-5.2-3.0-3.9-5.2-2.8-1.8-3.5-1.9-4.3-1.7年化收益一30.9w42.6#17小66.531曲20424画23.,28.5#2细开盘价最大回撤-5.1-2.9-3.5-5.1-3.4-2.3-3.6-2.2-4.6-1.8一年化收益一询二一18N61&32/- 18.5-22。1t2孙2.5疆开盘半小时VWAP最大回撤-5.0-3.0-3.2-5.0-3.3-2.6-3.8-2.1
12、-4.8-2.0年化收益27.0W38.4M15.5W59.4W29.7M17.8M17.0M20.8 人23.6M2.9VWAP最大回撤-5.2-3.0-3.6-5.2-3.1-2.8-3.6-2.2-4.2-1.8年化收益27.8M38.912.9/62.131.7M18.0M16.3M22.1M26.8M3.7收盘价最大回撤-5.1-2.9-4.0-5.1-2.7-2.6-4.1-2.1-4.3-1.9日单边换手5%区间汇总2013 年2014 年2015 年2016 年2017 年2018 年2019 年2020年2021年前收盘价年化收益56.5 郎82548.8醒121.7M66.
13、3 耳35.5醒54.435.8%27刀6西最大回撤-5.2-1.5-2.0-4.4-1.3-1.8-2.2-1.9-5.2-2.0开盘价年化收益-49.8.76446.98116.9m58431.043.125&224一蓝厂最大回撤-5.6-1.8-2.0-4.0-2.2-1.8-2.8-2.2-5.6-1.8 0 一年花收益一46.4.75小45.0.120.0m56.4q27.5q32.3 修19孤21.Im54开盘半小时VWAP最大回撤-5.2-1.9-2.0-4.4-2.1-1.9-3.0-2.2-5.2-2.2.笄化收益一432必69.3%38.6 %118.151.5y25国30
14、.118啊19.1VWAP最大回撤-5.2-1.7-2.1-4.0-2.2-1.7-2.7-2.3-5.2-2.4收盘价年化收益41.865.432.6114.6m49.4m23.8m29.819.7ft21.2m5.34最大回撤-5.2-1.9-2.4-3.9-2.1-1.6-2.9-2.4-5.2-2.2日单边换手10%区间汇总2013 年2014 年2015 年2016 年2017 年2018 年2019 年2020年2021年 I前收盘价年化收益80.1%123.3m80.4 4187.7m109.5%52.4m78.2 435.827.2M6.例最大回撤-4.4-1.8-2.2-3.
15、0-2.1-1.0-2.3-1.9-4.4-1.9开盘价年化收益69.18117.7877185.1m91.245.1m59.221.017.1M5.例最大回撤-5.2-1.8-2.5-2.9-2.6-1.1-2.8-2.3-5.2-2.0TTf L D-t n a/a n年化收益61.7113.9m75.6181.8m90.539.6m39.2m9.9*12.64.0JI书4-小时VWAP最大回撤-5.2-2.1-2.1-2.9-2.5-1.6-3.3-2.6-5.2-2.3VWAP年化收益56.2*104.2%68.4%171.5*82.6437.6m30.7%9.卢9.滤3.0*最大回撤
16、-5.6-2.1-2.1.,-2.8.,-22；-iq.-3.4-2.5-5.3“-2.8收盘价重伏瑕撤53.0,7192.3”7160.3“7174.6”7133.2”71288”711Q.67112.271日单边换手20%区间汇总2013 年2014 年2015 年2016 年2017 年2018 年2019 年2020年2021年前收盘价年化收益103.4184.2112.2 it226.6144之64.8，108.841.6 it28.68.0最大回撤4.2-0.91.8-3.2-1.9-1.6-1.8-1.5-4.2-1.6开盘价一年化收益-87.甲-226-T20 於-炎叶-衽七一
17、14.6“最大回撤-5.5-0.9-1.9-3.0-2.1-1.9-2.5-2.2-5.5-1.7开盘半小时VWAP年化收益75.85176.6%110.7M226.24119.6%42.4444.4W3.1M9.1M3.5，最大回撤-5.5-1.1-1.8-3.1-1.9-2.2-3.4-4.5-5.5-2.5年化收益68.7*158.1W98.4W218.74114.3%41.3428.742.5M6.0M3.1W_JAA/A最大回撤-5.1-1.2-1.8-2.9-2.0-2.0-3.7-4.6-5.1-2.7收盘价年化收益61.2W134.7 小81.54202.4499.6M34.6
18、422.8 务4.4M7.0M3.4，最大回撤-4.8-1.3-1.9-2.5-2.0-2.1-3.9-3.8-4.8-2.9数据来源：wind咨询、东方证券研究所3.5 策略在300和1000增强中的绩效从沪深300和中证1000的实际组合业绩来看，日频调仓的沪深300增强策略明显弱于中证 500 ,中证500弱于中证1000 ,日频调仓增强策略在中小市值中相对更有优势，另外就是，无论 沪深300还是中证1000 ,策略收益在2017年以后均出现明显回落，组合换手较高时尤其如此。图15 :不同换手率约束下沪深300增强费后年化对冲收益和最大回撤数据来源：wind咨询、东方证券研究所区间汇总2
19、013 年2014 年2015 年2016 年2017 年2018 年2019 年2020年2021年年化收益11.4%16.8%8.0%20.0%9.0%10.3U4.1M7.4%14.1M4.1%delta=0.01最大回撤-3.0-2.8-3.0-2.6-1.6-1.2-1.7-1.2-2.7-1.3年化收益17.425.2%13.5%40.1%13.6%14.3%6.511-215.9*3.8%delta=0.02最大回撤-3.0-2.4-2.4-3.0-1.8-1.3-2.0-1.4-2.8-0.7年化收益21.234.6%21.4%46.3%18.3%17.6%9.6513.49f
20、12.59f2.8%delta=0.03最大回撤-3.5-2.1-1.8-3.3-1.8-1.3-1.8-1.7-3.5-1.8一年亚收益一23.937.40J30.7%49.6%24.5i21.2%9.4曝H-912.427%delta=0.04最大回撤-3.8-1.8-1.9-3.8-1.7-1.2-1.7-1.9-3.2-1.7年化收益26.544.7%35.1%56.5%27.9%2647.610.9H.932%delta=0.05最大回撤-3.9-1.7-1.6-3.9-1.7-1.0-2.2-1.8-3.1-1.3军花收益26.9.46.7%38.2%58.0%31.2%26.9%
21、748.39.5%26%delta=0.06最大回撤-3.8-1.9-1.8-3.3-1.7-1.4-2.4-2.2-3.3-1.5年化收益29.1*57.2%40.6%62.0%36.8%31.417.2*3.5*9.4%2.6%delta=0.08最大回撤-4.6-2.1-2.0-3.8-1.4-1.2-3.1-2.3-3.6-1.7年化收益30.7*62.7%44.0%70.3%40.8%30.8。7.6*1.1*8.9%2.1delta=0.10最大回撤-4.3-1.6-2.0-4.3-1.2-1.6-2.6-3.9-3.5-2.2年化收益32.3465.5%52.5%85.8%43.
22、7%31.6*7.8-4.2*5.4%1.7%delta=0.15最大回撤-7.0-1.6-1.9-4.3-1.3-1.4-2.6-6.5-4.0-3.1年化收益31.366.99J53.1%83.7%43.19J31.5%7.1-7.43.1961.99Jdelta=0.20最大回撤-10.3-1.4-2.1-3.9-1.2-1.1-2.8-9.6-5.1-2.8年化收益27.7/62.10J46.8%84.6%38.6%26.3%5.2-9.0-1.01.096delta=0.30最大回撤-16.2-1.5-2.7-4.5-1.6-1.5-5.0-11.0-6.2-2.6年化收益23.35
23、3.8%40.99J76.8%31.79624.6%3.3-12.2-3.95O.99Jdelta=0.50最大回撤-21.9-1.8-3.1-4.9-2.0-1.4-5.8-12.5-7.7-2.8年化收益23.353.6%41.0%76.5%31.6%24.6%3.3-12.2-3.91.09J不限制最大回撤-21.9-2.0-3.1-4.9-2.0-1.4-5.8-12.5-7.7-2.8图16 :不同换手率约束下中证1000增强费后年化对冲收益和最大回撤数据来源：wind咨询、东方证券研究所区间汇总2013 年2014 年2015 年2016 年2017 年2018 年2019 年20
24、20年2021年年化收益20.9M25.1M11.8%27.7M20.9%26.7%18.2M14.1M18.6%7.5%delta=O.Ol最大回撤-3.6-2.5-2.6-2.0-1.7-0.8-3.2-2.5-3.6-2.4年化收益30.69(40.0%21.79643.5%37.2%36.4%20.3%19.924.29(7.3%delta=0.02最大回撤-3.9-1.3-2.0-1.9-0.5-0.8-3.0-2.8-3.0-0.7年化收益38.29(46.8%30.7%61.8%46.8%42.1%30.3%22326.19f7.8%delta=0.03最大回撤-2.8-1.2-
25、1.6-1.9-0.7-0.9-2.4-2.2-2.8-0.6年化收益43.99(55.8%40.3%77.2%58.9%40.6%36.4%25322.47.6%delta=0.04最大回撤-3.3-1.0-1.2-2.5-0.8-0.9-2.4-2.5-3.3-0.6年化收益48.670.4%47.7%94.066.0%40.8%37.0%20.7422.649.2%delta=0.05最大回撤-3.7-0.9-1.6-1.8-0.7-0.9-1.9-3.1-3.7-0.5年化收益53.19(78.19654.1%115.0%70.89642.7%37.5%21.722.79.2%delt
26、a=0.06最大回撤-3.5-1.1-1.8-1.1-1.4-0.8-2.0-3.4-3.5-0.5年化收益60.291.8%65.8%141.3%92.2%44.9%40.1%19.6419.88.3%delta=0.08最大回撤-3.3-0.9-1.7-1.4-1.8-1.6-2.5-2.7-3.3-0.6年化收益64.69(111.59674,996161.596102.59646.3%39.9%14.416.29(8.896delta=0.10最大回撤-4.3-1.1-1.5-1.4-1.9-1.2-2.8-3.3-3.1-0.4年化收益72.4134.29689.596207.996
27、120.69651.2%40.0948.714.07.096delta=0.15最大回撤-6.4-1.4-1.4-2.2-1.6-1.6-2.4-4.0-4.2-1.0年化收益75.8 耳145.996112.696219.396134.39653.2%39.9%4.96.0%6.6%delta=0.20最大回撤-7.3-1.3-1.2-2.1-1.7-1.4-2.4-4.2-5.1-1.3年化收益78.19(163.296123.796230.796139.49659.1%41.4%-2.59f0.1967.896delta=0.30最大回撤-14.3-1.3-1.6-2.7-1.5-1.6
28、-2.2-10.3-5.5-1.1年化收益64.89(150.006113.496208.096127.69654.1%32.7216.39(12.89(5.096delta=0.50最大回撤-29.9-1.1-1.9-4.1-1.4-1.8-3.3-19.7-12.9-1.8年化收益58.24138.3%104.5%192.8%110.4%52.0%32.1%-19.9*-16.3*4.3%不限制最大回撤-35.3-1.0-1.7-3.8-1.0-1.6-3.5-22.7-16.3-1.9、总结多因子体系主要包括alpha模型、风险模型、交易本钱模型和组合优化，广义的alpha模型 分为al
29、pha因子构建和因子加权，是量化从业人员的研究重心，但传统的alpha模型当期面临较大 的挑战。后发优势的逐渐丧失导致人工挖掘alpha因子的周期变长，国内外估值因子的长时间回 撤，近年量价因子的批量拥挤等都是当前选股alpha因子层面的困境，量价因子拥挤等原因导致因 子IC和组合绩效产生较大偏差，给以IC和回归为基础的动态因子加权带来挑战。除了人工合成alpha因子外，我们可以通过设计因子单元批量产生有效的alpha因子，以扩充 因子库，考虑到因子IC和组合收益的不一致性，我们通过正交弱因子转换器将原始因子集合转换 为相互正交的弱因子，以因子多头组合的表现加权。遗传算法等方法也可以批量产生a
30、lpha因子，但由于变异的无方向性，计算效率较低，通过合 理的输出层设计，可以让有监督学习的神经网络高效的批量产生大量alpha因子。一个强alpha因子背后可能有很多驱动因素，可能有局部成分已经拥挤但局部成分依然能够对 组合产生贡献，为了解决这个问题，我们将原始因子集合转换为相互正交的弱因子，直接从弱因子 层面考察因子多头表现并指导加权。本文生成的300个弱因子两两相关性几乎都在20%以内单因子次日RankIC平均只有1.8% , 5日累计RankIC仅2.5%，但是大批量低相关的弱因子合成的ZSCORE次日RankIC却高达 12.5% , 5日累计RankIC平均16.8%。由于单因子较
31、弱，单因子权重较低（绝大多因子权重低于 1% ,均值仅0.38% ）所以单因子的回撤对加总ZSCORE影响不大，模型稳定性较高。经测算，在次日VWAP成交，双边千三费率下,500增强模型2017年之后组合业绩大幅弱于 之前，但在换手较低的情况下（日单边换手5%以内），近几年费后也可以获取20%左右的超额收 益，另外随着组合换手的放大，虽然早期费后收益有明显增长，但近几年费后收益反而回落，说明 每日高频调仓的策略近年来衰减较快，反而相对低频的策略更加稳健。日频交易信号产生后，一般越早交易alpha越丰厚，对于开盘半小时VWAP和全天VWAP这 两种比拟现实的成交价格，近三年组合业绩的差异明显小于
32、早期，组合换手较低时几乎没有差异, 说明通过抢单攫取alpha越来越困难，对于公募等没有交易优势的机构来讲如何提升T+2日及之 后的alpha更有现实意义。日频调仓的沪深300增强策略明显弱于中证500 ,中证500弱于中证1000 ,日频调仓增强策 略在中小市值中相对更有优势。风险提不.量化模型基于历史数据分析得到，未来存在失效的风险，建议投资者紧密跟踪模型表现。1 .极端市场环境可能对模型效果造成剧烈冲击，导致收益亏损。一、传统的Alpha模型多因子选股体系多因子选股体系可以简单的用图1概况，主要包括alpha模型、风险模型、交易本钱模型和 组合优化四个模块。Alpha模型负责预测股票的收
33、益率或者alpha ,风险模型（结构化风险模型或 者统计风险模型）负责估计股票的协方差矩阵，交易本钱模型对个股的交易本钱进行建模，组合优 化器在满足投资者不能做空、反向交易等投资者实际面临的客观约束下权衡组合的预期收益率和 风险、交易本钱，最终得出目标组合，量化基金经理根据目标组合执行交易，最后一般都会对组合 的实际执行效果做绩效分析，找出体系的短板，不断的完善体系。多因子体系的各个组成局部都不可获缺，alpha模型负责对股票收益或alpha的预测，对组合 收益的影响相对更大，也是量化机构研究的重中之重。狭义上讲，多因子体系中的alpha模型仅指 由因子库生成预测收益的过程，即因子加权，广义上
34、，我们认为产生预测收益率或者alpha的整个 过程都属于Alpha模型的范畴。图1 :传统的多因子选股体系客观约束机器学习数据来源：东方证券研究所1.1 传统Alpha模型的困境传统的因子生成过程更多依赖人工，量化研究员根据自己对市场行为的理解，构建能够捕捉 市场错误定价或者风险溢价的指标，反复测试修正后加入因子库。一个逻辑明确、实证有效、且和 现有因子库低相关的alpha因子凝结的是从业人员长期的知识积累，过去十余年由于“后发优势” 的存在，国内因子研究快速开展，然而和国内其他行业类似，这种后发优势已经越来越不明显，后 发优势的丧失导致因子挖掘的周期越来越长。近年来因子层面出现的另外两个问题
35、是估值因子的风险化和量价因子的拥挤。美股价值因子 (BP )从2007年高点持续回撤至今,A股从2018年底开始低PB的股票持续跑输高PB的股票， 关于“价值因子是否已死的讨论学术界和业界都有很多、目前尚无定论，我们也无意讨论这个话 题，但是毫无疑问作为多因子中一类重要alpha的价值因子在国内外的普遍回撤给多因子尤其是 低频选股领域的多因子带来很大的挑战。由于最近几年做高频量价策略的私募规模快速扩张，以反转、特异度为代表的量价指标交易 逐渐拥挤，因子拥挤有别于市场结构变化等因子底层逻辑变化导致的失效，由于市场交易限制，因 子的收益仅局部能够通过交易获取，当然也只有这局部才会拥挤，具体表达在因
36、子在多头无效、空 头有效，因子在成分股内无效、成分股外有效。因子拥挤不仅仅是某个因子失效的问题，还会给因 子评价和因子加权带来很大的障碍，比方行业市值中性的特异度因子2019年以来全市场月度 RankIC均值依然高达7.19% ,中证800中也还有2.82%，但是因子在中证800成分股内的多头 对冲组合持续回撤。传统的因子加权方法多以IC或者回归为基础，而各种回归背后大都是最小化均方误差，我们 在前期报告因子加权过程中的大类权重控制中讲过，在一定条件下最小化均方误差等价于最大 化IC ,因此IC和实际组合业绩的一致性假设在传统的因子加权中尤其重要，自然状态下我们可以 近似接受这一假设，但是在量
37、价因子大批量拥挤的情况下，越来越多的因子IC看上去可以，但组 合多头收益变差，因此给因子的动态加权带来了很大障碍。为了应对IC和组合多头收益的不一致， 业界常见的做法是在估计因子加权模型前就剔除局部多头收益差的因子，或者根据各种经验性方 法调整因子权重，总体来说当前并没有业界公认的比拟好的解决方案。无论是后发优势的丧失导致新alpha因子的挖掘周期变长，还是估值因子的回撤、量价拥挤 导致的多头收益回落，都指向了一个问题，就是传统alpha因子构建方式原来越难以满足当前市场 的需求，另外就是如何在因子加权时考虑因子IC和组合实际收益的不一致性，在量价指标较多的 情形下尤其重要。二、基于神经网络的
38、Alpha模型框架兼容传统Alpha模型的框架设计如第一章所述，传统人工构建Alpha因子的方法已经遇到瓶颈，为了对人工因子库做补充， 我们在传统Alpha模型的体系下并入因子单元模块，用算法批量生成Alpha因子，多个因子单元 可以并行使用，人工合成的因子库和多个因子单元生成的因子集合汇集在一起传入因子加权模块。 因子加权模块分为正交弱因子转换器和弱因子加权两层，正交弱因子转换器的任务是将人工和因 子单元生成的假设干因子转换为相互正交的大量弱因子，然后根据考虑拥挤度的因子表现作为权重 加权弱因子。量价因子的拥挤是模型使用量价指标时因子加权不得不考虑的问题，局部量价因子背 后有很多驱动因素，可以拆解成一些不相关的成分，有些成分可能已经有较明显的拥挤，而有些还 可以为组合做贡献，因此我们在最后加权之前将所有的因子拆成相互正交的小成分，根据这些小成 分的多头表现加权。如下列图的Alpha模型框架和我们传统的Alpha模型一脉相承，主要区别在于因子生成层面， 除了使用传统的人工合成因子库，可以纳入生成Alpha因子的算法模块，另外就是在因子加权层面 先将原始Alpha拆解成相互成交的弱因子，便于处理因子拥挤。图2 :兼容传统Alpha模型的框架设计因子生成因子生成因子单元M原始数据其他另类数据数据来源：东方证券研究所数据来源：东方证券研究所因子单元Alpha因子的生成模块