西南金工：随机签名方法在A股的量化投资应用

发布时间：2026-08-11 一、核心要点 1. 汇报内容：介绍随机签名方法的构建及其在A股量化投资的应用，该方法来源于2025年量化金融期刊，融合经典签名方法与储备值计算。2. 核心优势：可捕捉金融时序数据完整路径信息，克服经典签名方法的维度爆炸问题，计算量随数据维度增加呈线性增长而非指数增长。3. 模型架构：核心为随机微分方程构成的隐藏层，将n维时序数据映射为低维特征，输出层采用岭回归预测资产下期收益率。 二、投资线索 1. 实证样本：选取2021年至2026年4月的A股数据，覆盖创业板50、上证50、深证50、沪深300、中证2000等指数。 2. 模型参数：采用周度换仓，资产权重上下限为0%至20%，交易成本设为0.2%；超参数包括隐藏层维度、随机矩阵分布的均值与标准差，通过网格搜索优化。3. 实证结果：在创业板50最优参数下，组合年化收益率达45%，动量超额收益约10%，等权超额收益约2%；上证50年化收益率达23%，动量超额收益约3%，等权超额收益约10%；该策略在动量效应强的大票中表现更佳。 三、风险与关注 1. 应用局限：在反转市场、噪声多的小票（如中证2000）中表现不佳，因子有效性不足，IC均值多为负，逻辑合理性较低。 2. 数据依赖：输入数据的选择会影响策略效果，仅用收益率或波动率数据时，提取的路径信息多为噪声，预测精度有限。3. 交易成本：周度换仓虽控制换手率，但仍需关注交易成本对超额收益的侵蚀。