因子选股系列之一一二：ADWM：基于门控机制的自适应动态因子加权模型

报告发布日期2025年04月10日 ADWM：基于门控机制的自适应动态因子加权模型 ——因子选股系列之一一二 杨怡玲yangyiling@orientsec.com.cn执业证书编号：S0860523040002陶文启taowenqi@orientsec.com.cn执业证书编号：S0860524080003 研究结论 自适应动态因子加权模型 为了克服市场状态市场风格发生突变时，短周期加权模型很有可能学习到错误的规律从而造成巨大的回撤，我们设计了一套端到端因子生成和因子加权模型。该模型通过学习市场上长期历史数据既捕捉alpha信息，又根据市场状态和个股属性信息学习alpha因子的时变规律来对alpha因子进行加权，该模型框架由两部分组成： ABCM：基于神经网络的alpha因子和beta因子协同挖掘模型：——因子选股系列之一一〇2024-12-03 融合基本面信息的ASTGNN因子挖掘模型：——因子选股系列之一〇四2024-05-27 ⚫因子生成阶段：通过ABCM模型生成一系列风险因子和alpha因子。⚫因子加权阶段：将上阶段产生的因子作为输入，通过一个状态门控机制学习alpha因子的权重函数，最后得到个股的因子得分。 各模型因子对比 根据输入的不同和加权方式的不同，我们提出了五个模型并进行对比，得到以下结论： ⚫Model2有较好选股表现，说明风险因子和未来收益率是否同向有可预测性。且Model2因子年化多头超额收益显著好于Model3（使用所生成alpha因子进行门控网络长周期加权），说明对所谓的风险因子进行轮动可以使得多头有着极端的高收益。而分年度来看Model2和Model3多头超额的差异十分巨大，2023年Model2因子轮动比重大因而表现更加占优。而2024年由于市场状态发生巨大切换，历史数据学习到的轮动信息产生偏差，因此Model2因子回撤较大，相比之下Model3因子稳定性更强。 ⚫Model3因子在小市值、非线性市值、低波动率、低估值这四个风格上相关性显著高于其他几个模型，具体原因可能是Model3因子根据长期A股市场数据学习得到的alpha因子，而A股市场长期小市值、低波、低估值是显著具有alpha收益的，因此该因子在这几个风格上会出现持续稳定的暴露。 ⚫各个模型均可用于行业轮动策略，其中Model2因子虽然选股RankIC显著低于Model3，但行业RankIC大幅跑赢Model3，这说明所学习到的alpha信息里面很大比重来源于行业轮动。另外2018年以来Model5（基准模型与Model2、3进行叠加）因子表现最佳，行业RankIC和ICIR分别可达12.45%和0.42，年化超额可达28.44%。 因子在各宽基指数上表现 ⚫Model4（基准模型与Model2进行叠加）和Model5因子2018年以来在中证全指、沪深300、中证500、中证1000四个指数上十日RankIC均值分别为16.34%、11.31%、12.07%、15.07%和16.56%、11.58%、12.21%、15.26%，top组年化超额分别为54.03%、30.24%、27.09%、40.61%和52.69%、32.07%、26.75%、41.23%。相较于基准Model1各宽基指数上Model4和Model5选股效果均有明显提升。 ⚫本文生成因子也可以直接应用于指数增强策略，在各宽基指数上均能获得显著的超额收益，在成分股不低于80%限制、周单边换手率约束为20%约束下，在沪深300、中证500和中证1000增强策略上2018年以来Model4因子表现最好，年化超额收益率分别为16.82%、22.56%和32.13%；2024年以来，Model5因子表现最好，年化超额收益分别为9.42%、6.80%和11.32%。 风险提示 ⚫量化模型失效⚫极端市场造成冲击，导致亏损 目录 引言...............................................................................................................4 一、ADWM模型细节.....................................................................................5 1.1 ADWM模型框架概览...................................................................................................51.2协同挖掘模型（ABCM）..............................................................................................51.3于排序学习的损失函数.................................................................................................71.4状态门控机制（Status Gating Mechanism）...............................................................81.5门控机制损失函数设计.................................................................................................9 二、各模型单因子分析.................................................................................10 2.1回测说明.....................................................................................................................102.2因子中证全指绩效分析...............................................................................................102.3因子宽基指数绩效分析...............................................................................................132.4各模型因子暴露分析...................................................................................................142.5各模型因子相关系数分析...........................................................................................16 三、各模型因子行业轮动绩效分析...............................................................16 四、合成因子指数增强组合表现...................................................................17 4.1增强组合构建说明......................................................................................................174.2沪深300指数增强......................................................................................................184.3中证500指数增强......................................................................................................194.4中证1000指数增强....................................................................................................20 五、结论......................................................................................................21 风险提示......................................................................................................22 参考文献......................................................................................................22 图表目录 图1：端到端AI量价模型框架......................................................................................................4图2：ADWM模型框架概览.........................................................................................................5图3：ABCM模型结构..................................................................................................................6图4：门控机制结构......................................................................................................................9图5：各模型生成因子汇总表现（回测期20171229~20241231）.............................................11图6：各模型多头超额分年度超额表现.......................................................................................11图7：各模型多头超额最大回撤发生时间区间............................................................................11图8：各模型多头超额走势（20171229~20231231）................................................................12图9：2024年各模型超额走势...................................................................................