改進(jìn)聚合算法選基與擇股能力因子選基方法對(duì)比研究

1、1. 基金 基金優(yōu)選框架 選框架1.1. 關(guān)于基金優(yōu) 金優(yōu)選與組合構(gòu)建 合構(gòu)建基金優(yōu)選是構(gòu)建 FOF 組合的主要目標(biāo)之一。通常在基金分類環(huán)節(jié)后，我們會(huì)在同類基金池內(nèi)實(shí)施基金優(yōu)選。 基金優(yōu)選更傾向于在各基金類別內(nèi)部自下而上進(jìn)行基金評(píng)價(jià)， 甄選出潛在的“業(yè)績(jī)之星” ，從而為頂層的資產(chǎn)配置提供細(xì)分類別下的優(yōu)秀選手。在方法上， 基金優(yōu)選既包含定性調(diào)研， 也包含定量選基。 定量選基的方法通常依賴于基金凈值序列數(shù)據(jù)與持倉(cāng)結(jié)構(gòu)數(shù)據(jù)來(lái)構(gòu)建相關(guān)的因子。在

2、線投資組合是基金優(yōu)選的另類方法，傳統(tǒng)的策略有贏家追隨策略、輸家追隨策略、模式匹配算法與元學(xué)習(xí)算法等。圖 1：基金優(yōu)選流程 基金優(yōu)選流程資料來(lái)源：元學(xué)習(xí)算法（Meta Learning Algorithm）側(cè)重于多策略結(jié)合，類似于機(jī)器學(xué)習(xí)中的專家學(xué)習(xí)算法。元學(xué)習(xí)算法可以整合多個(gè)“專家”給出的未來(lái)時(shí)期的投資組合向量，相對(duì)具有更高的策略平滑性能。在基金選擇的應(yīng)用場(chǎng)景中，該方法某種程度上模擬了 FOF 基金組合的構(gòu)建過(guò)程。由于不同類別基金的管理

3、模式、 風(fēng)險(xiǎn)偏好與投資目標(biāo)有所不同， 定量選基所采用的方法與評(píng)判指標(biāo)也應(yīng)當(dāng)有所差異。對(duì)于被動(dòng)指數(shù)型基金（包括 ETF） ，市場(chǎng)跟蹤能力是優(yōu)選流程中的核心指標(biāo)。對(duì)于主動(dòng)偏股型基金，基金經(jīng)理的擇時(shí)配股能力則應(yīng)當(dāng)受到重視。本文使用在線元學(xué)習(xí)算法中的聚合算法——Trader-Company 算法來(lái)選擇基金，同時(shí)對(duì)比使用 Selectivity 擇股能力因子。 兩者在被動(dòng)型基金和主動(dòng)偏股型基金上的表現(xiàn)各不相同。選取基金樣本池中的全部基金在每個(gè)調(diào)

4、倉(cāng)時(shí)間點(diǎn)最近一年的月度回報(bào)與五因子回歸后，可以得到 Alpha 因子值與 Selectivity 因子值。Selectivity 因子較高的基金部分包含了擇股能力較高的目標(biāo)組合， 因此首先以 Selectivity 因子作為擇股自由度得分， 為基金樣本點(diǎn)做降序排列。選出得分較高的前五分之一后 （樣本容量不足時(shí)選取前三分之一或前二分之一） 進(jìn)行二次排序。 二次排序以 Alpha 因子值作為排位依據(jù)， 取 Alpha 因子值較高的部分基

5、金作為最終的基金優(yōu)選組合。3. Trader-Comapany 算法選基 算法選基傳統(tǒng)均值方差理論是典型的一步優(yōu)化算法，它重點(diǎn)關(guān)注于特定投資時(shí)刻下如何通過(guò)預(yù)期收益和協(xié)方差矩陣優(yōu)化投資組合權(quán)重。 在線投資組合選擇 （Online Portfolio Selection）則采用多步優(yōu)化思路， 它重點(diǎn)關(guān)注于在投資期限內(nèi)， 通過(guò)不斷產(chǎn)生的市場(chǎng)信息， 做出連續(xù)多期的投資決策，以期在投資期限內(nèi)獲得超越基準(zhǔn)的投資回報(bào)。Trader-Company

6、 算 法 屬 于 在 線 投 資 組 合 選 擇 中 元 學(xué) 習(xí) 算 法 （ Meta-Learning Algorithms） 領(lǐng)域下的聚合算法。 Ito Katsuya, Minami Kentaro 和 Imajo Kentaro 等人 (2020)在《Trader-Company Method: A Metaheuristic for Interpretable Stock Price Prediction》中通過(guò)匯總多個(gè)

7、稱為 “Trader”的弱學(xué)習(xí)者的建議，跟蹤不同 Trader 歷史表現(xiàn)來(lái)對(duì)標(biāo)的下一期的收益進(jìn)行預(yù)測(cè)。該方法嘗試模擬了金融機(jī)構(gòu)角色和屬于它的眾多交易員角色之間的互動(dòng)情形。3.1. Trader-Company 算法思想市場(chǎng)上潛在的 Alpha 往往可以用簡(jiǎn)單的數(shù)學(xué)形式表達(dá)， Trader-Company 算法通過(guò)不同標(biāo)的之間的收益率來(lái)構(gòu)建 Alpha 的表達(dá)式，一個(gè) Trader 是一系列上述 Alpha 的疊加。由于任何 Alpha、

8、任何 Trader 均無(wú)法持續(xù)跑贏市場(chǎng)，因此引入 Company 角色，對(duì)所有 Trader 的歷史業(yè)績(jī)進(jìn)行持續(xù)跟蹤，并對(duì) Trader 進(jìn)行迭代更新，從而保證整個(gè) Company 可獲得持續(xù)穩(wěn)健的收益。單個(gè) Trader 使用一個(gè)簡(jiǎn)單的模型來(lái)給出現(xiàn)實(shí)回報(bào)的交易策略。Company 則將來(lái)自多個(gè) Trader 的意見(jiàn)合并為一個(gè)預(yù)測(cè)，從而避免過(guò)度擬合市場(chǎng)的瞬態(tài)狀態(tài)。Trader-Company 算法采用了進(jìn)化的思路， 在參數(shù)訓(xùn)練過(guò)程中模

9、擬了以下情形： 在對(duì) Trader 的培訓(xùn)過(guò)程中，Company 產(chǎn)生并補(bǔ)充了有前途的新候選人 Trader 并刪除表現(xiàn)不佳的 Trader。3.2. Trader-Company 算法原理算法主要實(shí)現(xiàn)以下四個(gè)功能：(1)聚合預(yù)測(cè)；(2) 教育不良 Trader；(3) “解雇”不良Trader； (4) “招募”新 Trader。以下是算法中 Trader 和 Company 模塊對(duì)應(yīng)的具體實(shí)現(xiàn)公式。3.2.1. T