因子选股系列之一一六：NeuralODE：时序动力系统重构下深度学习因子挖掘模型

报告发布日期2025年05月27日 Neural ODE：时序动力系统重构下深度学习因子挖掘模型 ——因子选股系列之一一六 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 金融数据常因停牌、财报发布和突发事件等因素存在缺失、噪声及异常等问题，这些问题通常会影响模型稳定性以及样本外的泛化能力。本文提出一种RNN+NeuralODE+MLP融合模型，将时序数据建模为微分动力系统，然后进行数据重构和特征提取，从而提升模型样本外的选股鲁棒性。整个模型由以下部分构成： ⚫通过RNN和Neural ODE模型构建变分自编码层（VAE层），利用RNN进行时序数据的压缩和降维，再将神经微分方程（Neural ODE）学习时序数据隐含的时序演化规律，将数据进行去噪和重构。 ADWM：基于门控机制的自适应动态因子加权模型：——因子选股系列之一一二2025-04-10ABCM：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自适应时空图网络周频alpha模型：——因子选股系列之一〇一2024-02-28 ⚫最后我们将重构去噪后的数据输入MLP层进行alpha信息的捕捉和挖掘，从而对未来收益率标签进行拟合。 模型因子对比 通过将Baseline模型和新模型因子多头绩效的对比，我们得到以下结论： ⚫相较于Baseline模型，除2020年和今年，其余各年份Model1因子的多头超额均能大幅跑赢。而分组超额来看，Model1的Top组和Grp1组超额相较于Baseline模型分别提升了1.91%和3.07%，说明新模型相对于Baseline能大幅改善多头的表现。 ⚫在2024年出现较为极端的市场环境下，Model1因子多头超额相较于Baseline模型提升了6.63%，最大回撤也有所下降，说明Model1抗风险能力相对更强。⚫在各个回测区间，Model1因子的多头组合换手率相较于Baseline均有一定程度的下降。这意味着实盘可能有更高的交易成本优势。⚫Baseline模型和Model1模型多头超额净值走势趋同度较高，各年度的最大回撤区间基本上重合，说明各类模型从相同量价特征中提取的alpha信息一致性相对较高。 因子选股能力和行业轮动能力的表现 ⚫新模型2018年以来在中证全指上十日RankIC均值为16.33%，top组年化超额分别为54.54%。相较于基准，新模型选股效果均有明显提升。行业轮动方面，2018年以来，新模型RankIC可达12.55%，Top组年化超额可达25.27%，各项指标表现也是显著战胜基准。 ⚫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年以来新模型年化超额收益率分别为16.67%，21.37%和32.41%，超额的夏普比率分别为3.14、3.21、4.37。 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、新模型细节介绍......................................................................................5 1.1神经网络与微分方程的联系..........................................................................................51.2神经微分方程模型........................................................................................................71.3本文模型结构和损失函数.............................................................................................81.4新模型重构数据表现.....................................................................................................9 二、模型生成因子表现分析..........................................................................10 2.1回测说明.....................................................................................................................102.2因子中证全指绩效分析...............................................................................................112.3因子与各风格因子相关性分析....................................................................................13 三、周频行业轮动绩效分析..........................................................................13 四、Top与指数增强组合表现.......................................................................14 4.1组合构建说明.............................................................................................................144.2 Top组合业绩..............................................................................................................154.3沪深300指数增强......................................................................................................164.4中证500指数增强......................................................................................................174.5中证1000指数增强....................................................................................................18 五、结论......................................................................................................19 风险提示......................................................................................................20 参考文献......................................................................................................20 图表目录 图1：alpha因子端到端AI量价模型框架.....................................................................................4图2：综合因子形成过程..............................................................................................................4图3：残差网络模型结构示意图....................................................................................................5图4：各模型优缺点对比..............................................................................................................8图5：模型结构示意图..................................................................................................................8图6：模型重构损失表现............................................................................................................10图7：隐藏层特征样本外解释力度..............................................................................................10图8：各模型生成因子汇总表现（回测期20171229~20250430）.............................................11图9：因子分组超额表现............................................................................................................11图10：各模型多头超额分年度超额表现（回测期20171229~20250430）................................12图11：多头超额净值走势（回测期20171229~20250430）......................................................12图12：与各个风格因子平均相关性............................................................................................13图13：各模型行业轮动汇总表现（回测区间20171229~20250430）........................................13图14：各模型Top组行业超额走势（回测区间20171229~20250430）.