详解量化投资中的因子择时

火锅加华子

本篇文章由我的合伙人撰写：

量化投资领域，一个严谨的私募量化基金从投研到交易的工作步骤一般如下：
1、获取各类数据并清洗数据；
2、特征工程生成因子；
3、选取模型进行预测；
4、预测结果策略化交易；
5、组合风险控制；
6、事后策略评估及总结。
在上述过程中，1和2往往是最基础，也是最重要的部分——获得的数据的质量，数据类型的广度，数据处理的深度决定了因子质量，而因子质量决定了总体绩效的上限——任何再优秀的模型算法也只是逼近这个上限，并不能在这个上限之外再度打开一片天。（很多初入量化的小朋友用各种各样的算法提高模型的成绩，都是本末倒置的徒劳做法！）



结局早已注定

对于数据选择和特征工程来说，如果开发者没有像Two Sigma，Citadel，Pershing Square等那样拥有雄厚资本实力，能够在数据购买方面一掷千金，但想要一步步提高因子质量和PnL（收益率表现）的话，也是有一些文章还是可以做的。
书归正传，本文我们只说1和2的部分。我们以CTA中的因子挖掘为例，在单因子挖掘之后需要对单个因子进行测试，最终选择sharpe率总体排名靠前或者IC/rankIC值排名靠前的因子作为备选因子。
其中sharpe的计算公式为：

sharp =（annual_return - fixed_return） / annual_volatility
其中annual_return为因子/策略的年化收益，annual_volatility为因子/策略的年化波动率，而fixed_return为无风险利率，一般上采用10年期国债收益率作为基准。公式的分子收益率部分衡量了收益，分母部分则衡量了风险，这个公式综合地把风险和收益结合起来评价策略的优劣，是市场上最主要的策略评价指标。
夏普比率所代表的意义为：一段时间内（通常是1年）所获得的收益扣除掉无风险利率之后，和收益曲线波动率的商，代表了收益的稳定性。
IC值的计算方法为：

IC(FACTOR,R) = CORR(FACTOR(t-1), R(t))
其中FACTOR为因子的数值，可以是单因子，也可以是多因子构成的一个矩阵。R为我们所预测的target（投资标的）的return（收益率）。
那么IC的算法为：上一时刻的因子值和这一时刻的收益率之间的相关系数，IC值所代表的的意义为，上一个周期的因子对当前周期的收益率的解释能力，也就是预测能力。
为了避免因子之间的多重共线性，需要在不同的入选因子之间计算其相关性，对相关度过高的因子直接drop掉或者正交处理，以降低模型算法的稳定性。这一步之后，我们最终获得了输入模型的因子集群，把这些因喂进模型之后，fit并predict，然后可以对y_hat和y_test之间进行比较，以此输出绩效统计。
我们可以很明显地看到不同的因子的IC值是不一样的，通过seaborn画出热图之后，我们明显可以看到，不同因子在不同的阶段，他们对于return的解释能力和解释程度均存在一定的时空差异
——也就是说在不同的阶段不同的因子的能力是不一样的，那么如何使用到因子最优秀的部分，规避开因子的弱势部分，打开这扇门，会让你在量化投资的世界里更进一步。
图1：因子的IC值热图



因子的IC值热图

因子择时的方法和步骤：

第一步，我们对所有因子进行测试，若有100个因子，需要挑选出其中夏普比率/IC值在前50%的因子作为因子池：factor_prepare，这一步的目标是为了获得因子池中绩效较为优秀的部分，优等生入选策略；
第二步，对factor_prepare进行多重共线性检查，取correlation（相关性） <= n 作为阈值，将factor_value.corr （相关性）> n的因子drop（剔除）掉，如果drop掉的因子中存在夏普比率/IC值排名在前20%的，可以把它们进行正交处理之后入选，获得factor_median集合，这一步的目标我们可以打个比方是要抄作业，因为一次期末考试要有语文数学外语物理化学生物等科目，不能只抄一门课学习成绩好的，需要分散开不同科目；
第三步，针对factor_median因子集群，取T为时间范围，获得在T时间内的IC值，并对其进行排序，获得在T时间范围内表现最好的因子。
这一步的目标是获得在T这个实践阶段表现最好的因子，把它们作为我们要使用的目标因子输入模型进行训练并预测。下图为某个因子和return（收益率）之间的correlation（相关性），我们可以很清晰地看到，因子对行情的解释能力也在不断变化。



某量价因子T时间内的IC值

那么为了保持因子解释能力，我们取ic的均值以提高其稳定性（有时候因子的单日corr不稳定，我们用均值更合适，比如说他的20日均值），同时选择因子在70%分位上方时作为备选因子，当该因子的成绩在70%分位以下时，则暂时将其剔除出去。
第四步，使用上述择时后的多因子模型所输出的结果，和未经择时的模型输出结果进行比较，观察其提升程度，使用则是后模型进行预测，并辅助交易。
#Step_1:  
factor_select_step1 = sort(factor.sharpe | factor.IC, 50%)
# 对上述因子根据夏普比率或者IC值进行排序，选出排名在前50%的因子

#Step_2:  
factor_select_step2 = factor[corr(factor_select_step1) < n]
# 对第一步选定的因子进行多重共线性检测，相关性高于n的排除掉
if sort(factor.sharpe, 80%) == 1:
    orthogonal(factor)
# 但是对于夏普比率排名在前20%的因子，对齐正交处理

#Step_3:
factor_list = []
for j in factor_select_step2.columns:
    if factor_select_step2.loc[i:i+t,:] >= factor.sharpe.mean(m)*70% :
        factor_list.append(factor)
# 根据选定的factor_select_step2列表中的因子，以t为时间范围，对单因子
# 夏普比率的m周期均值处于70%分位以上的，入选最终的factor_list
# 后续可以针对性的对n，m等进行优化总结：因子择时属于“择时选优”，在对因子进行择优的基础上，再根据因子在不同时间的能力不同，优选其表现较好的阶段，自然是一种锦上添花的做法。
<hr/>文章会同步更新到我的公众hao：

跟puppy玩量化

欢迎你的关注。

此外，想加入quant小群的朋友可以公众hao后台给我留言～

村茶

量化有一个最大的弊端，就是无法注入更多新鲜血液从而失去某些机会。量化的策略是以历史数据作为重要的参考指标，在人工智能不能为量化系统提供服务时，量化只适合在横盘之间套利，如果出现单边行情，不能及时调整量化策略，显然是很可悲的。如果标的数据跳出历史周期指标，量化如何继续？