长江金工 高频因子十九收益来源基础的因子挖掘方法论二时间段切割因子

00:00:05 本次电话会议仅服务于长江证券研究所白名单客户。未经长江证券事先书面许可，任何机构或个人不得以任何形式对外公布、复制、刊载、转载、转发、引用本次会议相关内容，否则，由此造成的一切后果及法律责任由该机构或个人承担，长江证券保留追究其法律责任的权利。 00:00:33 嗯，各位投资者晚上好。 00:00:34 那么今天呢，我们继续呃上一次的一个专题汇报就是多因子系列。那么在上一次汇报中呢，我们介绍了一下子在高频因子挖掘体系之上的一个梳理啊，主要是通过算子的一个呃方式呃对因子的一个计算呢做一个表达啊。那么这种算子的话呢，其实是跟遗传算法的一个因子表达在呃整体的一个思路上是一样的。 00:00:55 那么区别遗传算法的话呢主要是两个部分，第一个呢就是算子的表达的一个规范性啊，就是我们呢通过呃拆解成数据变换和K线聚合。呃数据变和K线聚合两个部分的一个算子，然后呢对呃整个的表达式呢进行一个时间呃频率上的一个分装啊，所以呢在路径的一个表达性上来说呢，会有一个局部的分装啊实现一个规范。 00:01:19 那么第二块呢，就是借助现在的一个AI大模型可以实现啊，从信息端到因子端的一个呃挖掘和整理的过程，那么区别遗传算法呢就是归纳和演绎上的一个区别啊。那么这个呢是整个在人为偏人为挖掘因子上的一个大致方向啊，就是从逻辑出发，然后呢通过一个整体表达形成一个呢因子的一个计算，然后呢再根据因子的回测结果去达成一个体系啊。 00:01:44 那么今天这篇报告话呢，我们主要重点的话会放在呃。 00:01:49 呃这个离散化向量的一个维度上去做一个探讨，也就是呢时间段切割的啊这么一种因子的构建啊。那么在很多的这个系列研究中的话呢，我们是给出了呃切割呃一些维度上，然后因此一个构建呃那么切割上的话呢，就是根据某些这个时间段的一个属性啊。因为大部分情况下是根据时间维度做一个切割，根据时间上的一些属性呢，那么选取一些有效的数据或者说呢就是参与计算的数据，而把其他的不参与数据呃不参与计算的数据呢做一个剔除。 00:02:19 那么这部分呢，这部的话呢就区别于一些常规的一个算子的一个整理啊，比如说加减乘除这种啊是不会出现在切割过程之中的啊，然后呢包括平方和开方啊也不会直接产生切割集。 00:02:32 那么这样我们做了一个例子啊，就是这个短期反转因子，这个因子的定义呢比较简单，就是呢我们在5分钟频率之下去截取。呃这个频率的数据中前2%前20%的每笔成交量的数据啊，就是呃整个的一个数据集中啊头部的成交量这些数据把它拿过来，而剩下的80%成交那个每笔成交量比较小的这些数据。啊，我们进行一个剔除，也就是不参与后续的一个计算了啊。所以呢，这一步的话呢就涉及到一个离散的一个过程。那么在算子表达式的一个过程中的话呢，我们在提下也把这个流程写下来，就大概分成四步啊。 00:03:07 那么首先的话呢是会有每笔成交量的计算，然后包括这个收率的一个一个计算，那么核心的部分在第三部分， 00:03:13 就是一个区间划分在这个位置的话呢，我们需要引用到一个算子叫做呃持续变换算子，也就是大于零一化的这么一个展示啊。说白了就是我们通过一个阈值做一个比较，那么大于它的部分相当于做了一个逻辑处理啊，也就是为真啊或者说就是唯一。而小于它的部分，也就是我们需要剔除的部分，做了一个逻辑上的一个剔除，也就是为0或者说呢就是为否啊， 00:03:38 所以呢就是时序变换的一个算子呢就是。啊，在这个截面上对两个向量做一个比较，那么第一个向量是否大于第二个向量，就可以呢判断出这个数据是不是要选出来啊。所以呢，它一方面是属于呃这个不改变数据长度的啊，所以我们把它称之为时序变换算子。 00:03:56 而第二的话呢，就是两列信息的话呢，两两比较， 00:03:59 那么呢，我们需要去构建出第二列信息来完成什么是大什么是小啊，那么在这个场景中的话呢，我们是先做了一个排序啊啊，因为我们前面所选的一个数据是最高的20%。那么就相当于的话呢，我们要对这个时间序列先计算出20%的阈值在什么地方啊，这样的话呢， 00:04:17 就会涉及到一个。嗯，聚合的一个算子也就是整个数据它的20%分位数啊，那么从向量到变量的过程，也就是从整个数据集变成了一个点，那么这个20%的分位数就是现在要比较的阈值。那么当这个计算完成之后的话呢，我们再把这个20%分位数啊，那么对应到每一个时间段的一个这个每笔成交额上面去啊，所以呢中间的过程中呢会涉及到一个局部的聚合。 00:04:43 当然局部聚合完成之后的话呢，我们就可以跟时际变换算子这个01的这个方式做一个比较啊，形成一个切割啊。那么切割的信息呢就存在于啊，我们对这两个向那个列也就向量做比较，就是是否大于之后，那么会产生一个新的01的一个过程。那么所谓的切割呢，就是把1的这部分数据拿过来，或者说在参与后续计算过程中0的过程中呢，呃0的这些数据呢是不参与呃加权的一些计算的，而一的部分呢会参与加权计算啊。所以呢， 00:05:12 在第四步的时候，这个短期反转也就是1的这部分收率，就相当于是我们用0和1相乘之后啊，做了一个。加权上的求和啊，也就是呢，通过01的这个向量跟收率的这个向量两个相乘的一个加权求和，就完成了整个切割部分的计算啊。 00:05:27 所以呢，切割的数据的话呢是可以通过逻辑的方式啊，那么进行一个向量的输出的作为一个标识向量。 00:05:33 当然这个过程呢，可能有的时候会产生一些嗯就是变换的一呃那个K线区和这个数据，就是要得到一些呃适当的标量啊，但是呢它还会转到一个啊持续变换的过程中啊。所以呢通过这个例子的话呢，我们也想说就是呃有一些信息是可以啊，有一些这个这个离散的信息啊是可以通过算子完成的啊，也是想说明，就是整个体系是可以对所有的截面型的数据，或者说K线型的数据做到一个因子的计算的。啊，那么这个就是本人报告想去呃重点介绍的一一种类型，那么至于切割的意义的话呢，在之前的报告中我们都已经做过一些相应的这个展示了。 00:06:11 那么在这里的话呢，我们再做一个更精就是更精炼的啊一个呃这个切割上的一个微观含义，就是针对三个比较呃典型的低频收入来源，就是流动性啊，波动率跟收率啊，也就是对应到了流动性溢价。然后低波还有这个反转啊，这三个因子我们分别去看切割上会对他们造成什么影响。 00:06:32 那么切割的幅度的话呢，跟刚才我们看到一样，就是每笔成交量这个数据，也就是呢，我们把整个时际上个股成交量最每笔成交量最高的是20%，作为一个选入或者说呢作为一个啊高活跃成交区。然后呢剩下80%数据呢作为一个低呃成交区，那切割成两个部分，分别呢去计算出啊，这两个时间段的那么三呃三个这个地频收入来源的一个含义。 00:06:55 那么流动性的话呢，我们这边用的是阿米库的非流动性，就成交额除以这个价格变动波动率的话呢，就是残差波动率。啊，在那个波动率的话就是那个收率的这个标准差，然后收率的话呢就是呃价格的一个变动啊。那么在右边这个表中的话呢，我们是展示了不同切割之下，那么因此一个信息的一个情况就是IC啊啊。那么可以看到就是低活跃的部分区间和高活跃的部分流那个区间啊， 00:07:19 流动性这个维度话呢差别是不大的啊，就一个是百分之四十九一个是55%，那么整个区间 的整个的信息的话呢是56%啊。所以呢在呃交易是否活跃这个维度上，流动性这个幅度个股之间差别是不大的，或者换句话说呢，就是微观层面的交易上嗯。对于流动性这个特这个这个维度的一个属性不产生影响， 00:07:40 那么什么可能跟流动性更加相关呢，那就是个股本身的一些特质，比如说它的规模是什么样子的啊，它的成交额本身是不是活跃啊，会影响到它的流动性啊，微观上成际交是不会的。那么第二个的话呢，就是波动率，它这个特点呢就是。低区间的部分和高区间的部分的话呢，量纲上有一个变化啊，就低的时候呢，它的这个信息量是负的30%，而高活跃区间的话呢是-66%。所以呢，当我们把两个区间这个数据呢走呃这个数据合并在一起，然后从整个区间去计算它的波动率的话呢，它的信息呢会稍微相比于高区间会降低一点，就到了百分之-63。啊， 00:08:14 那么在微观交易话呢，就是说明啊，波动率这个维度，也就是高活跃这个区间的一个价格变动，和低活跃部分区间的一个价格变动，它是有一个差别的啊但是呢，整体的信息的方向不变啊，只是量上是量纲上有些差别。就是交易活跃的部分，它的低波效应会更加明显啊。那么交易平缓部分的话呢，它的低波效应呢可能就是相对平滑一些啊， 00:08:36 那么在左下角这个图中的话呢，我们把这个现象啊做了一个嗯历史上分组的一个更详细的展示啊，那么红色的线的话呢，就是高活跃区间的它的一个因子分组的。一个表现情况啊，然后黄色区间的话呢，就是呃呃低活跃区那个组中的这个低波因子的一个活跃情况。那么假设我们把第10组那个黄色部分柱子给它去掉，也就是波动率最大的那个低活跃组的这一部分给它去掉啊，那么可以看到就整个黄色曲线的话呢是略微向上的，也就是说呢，它满足了一个风险越大，未来收率越高的这么一个情况。 00:09:11 而在红色区间部分的话呢，整体来说就是啊，波动越大，那么未来收益是越低的啊。 00:09:17 就是可以看到第10组的这个红色柱子啊，收率是最显著的一个情况啊。所以呢，就是刨去第一组的显著活跃的部分的话呢，那么可以发现其实在方向上低波这个维度啊，那么高 活跃成交和低活跃成交呢也是会有一些差别的啊，只是呢它第一组主要是集中在第一组上啊，会有一个比较大的影响。整体上呢就呈现出可能信息关系相关不大的这么一个情况了。 00:09:38 那么当我们进一步把这种现象呢去放到收率维度，就是反转这个维度可以发现啊，不仅呢它的方向上啊，不仅它这个量纲上会有变化，它的方向上呢也会有个变化啊所以我们看最后这一列。就是低活跃的部分。那么收率的一个信息呢是正的52.20%，然后到了高活跃的部分，收益率的一个信息呢，就变成了-90.88%了啊。所以不止量纲上有个差异啊，甚至的话呢，就是方向上也会有差异。 00:10:03 那么把这两个信息合成在一块儿啊，那么合成信息的这个-45%可以看到，它不仅比低活跃的部分的这个信息量绝对值要低，也比高活跃的部分的信息量绝对值也要低，也就换句话说，正是因为微观两个部分的这个。情况并不相同，所以当我们把这两部分信息合在一块的时候呢，反倒会降低整体的信息表达啊。 00:10:23 所以呢，我们在右下角这个图呢，也展示了就是呃红色部分就是活跃部分的一个反转，和黄色部分也就是嗯低活跃的部分的一个反转，两个部分它们一个各自的一个对收率的一个分组情况。那么黄色的话呢基本上就是啊越大那么未来收益率会越高，而红色部分的话呢就是越低未来收益率越高啊。就这一点的话呢，也不受第一组的影响了啊。 00:10:43 所以呢，微观层面上的话呢，呃要么就是就是切割利益呢，要么就是像波动力这种啊，我们可以呢把一些信息呢做一些简单的去噪啊，就是方向一样，但是有些信息可能并不是那么强。而第二种的话呢，就是啊分开去表达，那么这两种方式的话呢，在切割这个维度上都是有一定意义的。啊， 00:11:00 那么在AI的这个呃跟AI对接这个算子体系之中哈，我们目前是能够做到把这个已有的代码啊，包括研报包括因子计算方式输到里面去之后，形成一个算子表达的一个因子计算方式。那么这个算子表达计算方式的话呢，就是我们所谓的啊因子层面的算子库，或者说就 是一个简单小的一个知识库啊，那么在这个知识库的话呢，可以通过AI去做一个呃因子类别或者说计算方法的一个梳理。 00:11:27 那么在这个梳理过程中的话呢，我们就得到了这个切割这一类的一个方法啊。只不过呢AI它给我们这个切割的这个呃因子一个衍生或者穷举啊，可能并不是全面的，比如说它可能会只只会举几个例子。所以在本篇报告中的话呢，我们就顺着AI给我们的这个呃思路的一个抽象的一个思路，我们人为上啊对