“学海拾珠”系列之一百七十五：基于残差因子分布预测的投资组合优化

主要观点： ⚫对冲市场因子风险的谱残差因子 分析师：严佳炜执业证书号：S0010520070001邮箱：yanjw@hazq.com 如果资产收益与市场因子有很强的相关性，那么该资产就有很大的市场风险敞口。通过主成分分析，丢弃几个最大特征值的主成分可以得到谱残差，可以证明谱残差与线性因子模型中的共同因子具有较低的相关性，且其分量互不相关。实验表明，基于PCA的谱残差的提取速度明显快于线性因子模型（FA）。 ⚫能够反映金融归纳偏差的神经网络架构 金融序列中存在两类不变量。第一种为波动聚集，即波动率或振幅保持不变，在神经网络中可以使用归一化建模，具体思想是球面上的任何函数类可以转换为正齐次函数类。第二种为分形结构，为利用分形结构的自相似性，可以对输入序列进行不同频率的采样得到多个子序列，然后应用同一操作提取信息，最后取平均输出信息。 1.《历史持仓回报会影响基金经理后续选股吗？——“学海拾珠”系列之一百七十四》 ⚫分布预测与投资组合构建 分布预测是指给定已实现残差因子序列，预测未来观测值的条件分布，即预测未来观测值的多个条件分位数。利用预测得到的多个等距分位数，可以估计未来残差的均值和方差，然后根据现代组合理论构建最优投资组合。 2.《基于端到端神经网络的风险预算与组合优化——“学海拾珠”系列之一百七十三》 3.《低风险组合构建：基于下行风险的缩放策略——“学海拾珠”系列之一百七十二》 ⚫策略效果 文章在美国市场和日本市场上进行策略检验。在美国市场方面，文章使用2000年1月至2020年4月期间标准普尔500指数成分股的每日价格数据，2008年1月之前的数据用于进行训练和验证，其余数据用于测试。实证研究表明，分布预测、两种网络架构、谱残差的使用均能改善策略的各种指标表现。 4.《如 何 衡 量 基 金 产 品 创 新 与 差 异化：基于文本的视角——“学海拾珠”系列之一百七十一》 5.《如 何 改 进 短 期 反 转 策 略 ？— —“学海拾珠”系列之一百七十》 6.《资产增长率在资产定价中的作用——“学海拾珠”系列之 一百六十九》 ⚫文献来源 核心内容摘选自Imajo, K., Minami, K., Ito, K., & Nakagawa, K.2021.5.18发 布 在AAAI的 文 章 《Deep Portfolio Optimization viaDistributional Prediction of Residual Factors》 7.《机器学习与基金特征如何选择正Alpha基金？——“学海拾珠”系列之一百六十八》 8.《企业季度投资激增与股票横截面收益——“学海拾珠”系列之一百六十七》 ⚫风险提示 文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。 正文目录 1简介..........................................................................................................................................................................................41.1对冲市场共同因子的风险敞口............................................................................................................................................51.2不变尺度时间序列的架构设计............................................................................................................................................51.3通过分布预测构建投资组合................................................................................................................................................51.4本文贡献总结.........................................................................................................................................................................62预备知识..................................................................................................................................................................................62.1问题设定..................................................................................................................................................................................62.2投资组合优化的概念.............................................................................................................................................................73系统架构..................................................................................................................................................................................73.1提取残差因子.........................................................................................................................................................................73.2分布预测与投资组合构建....................................................................................................................................................93.3网络架构................................................................................................................................................................................104实验........................................................................................................................................................................................114.1数据集描述和共同设置......................................................................................................................................................114.2谱残差的有效性...................................................................................................................................................................124.3系统的性能评估...................................................................................................................................................................135相关工作................................................................................................................................................................................145.1因子模型与残差因子...........................................................................................................................................................145.2基于深度学习模型的资产价格预测..................................................................................................................................146结论........................................................................................................................................................................................15风险提示：.............................................................................................................................................................................................15 图表目录 图表1文章框架.................................................................................................................