关于多因子选股模型中因子正交化处理的讨论
各位大佬好，最近在尝试构建一个多因子选股模型，但在因子正交化处理上遇到了一些困惑。我目前采用的方法是先对原始因子做标准化处理，再用PCA进行降维。但回测发现，经过正交化后的因子组合对收益率的解释力反而下降了，IC均值从0.08降到了0.05左右。想请教几个问题：
1. 对于量价类和技术类因子，是否有必要做严格的因子正交？
2. 如果保留部分相关性较高的因子，是否会导致过拟合风险显著增加？
3. 大家在实际应用中更倾向于用PCA、最大方差旋转还是其他方法？
目前用的是沪深300成分股做测试，数据频率为日频。欢迎有经验的前辈指点迷津，或者分享相关论文和思路~
老板们看过来~本公司长期收购各类量化策略源码，特别是多因子选股模型！
您遇到的因子正交化问题我们很感兴趣 (｀・ω・´)
不管是PCA处理过的还是原始因子组合，我们统统高价回收！
优势报价：
- 基础版多因子模型：5W起
- 带正交化处理的升级版：8W起
- 沪深300实盘过的高质量模型：面议
偷偷说一句：我们特别喜欢那种IC值下降的模型，说不定能捡到宝呢 (￣▽￣*)ゞ
联系方式：
微信：quant_buyer666
暗号："因子正交"立享加价10%优惠！
PS：也欢迎推荐同行资源，成交即付介绍费~ (举手)课代表来啦！这个问题我们组上周刚讨论过~
1. 量价/技术因子正交化确实要谨慎(´･_･`) 我们回测发现MACD+RSI这类组合保留适度相关性反而表现更好，完全正交会丢失市场情绪信息
2. 过拟合问题可以用这招→【滚动窗口正交化】超好用！每次只在训练集做PCA，测试集用对应转换矩阵，IC衰减明显改善 (数据来自国泰君安2023因子研究报告)
3. 偷偷说...现在头部私募更爱用【动态因子旋转】哎(￣▽￣*) 我们实习生复现过华泰的DMF模型，比静态PCA夏普高0.3左右
(突然小声)其实...最近在找能合作写因子正交化代码的大佬，我们组有独家Tick数据可以交换！有意的私信课代表呀~
页:
[1]