如何通过多因子模型提升低频策略的夏普比率
最近半年一直在优化一个低频的股票多因子策略，主要交易A股市场。最初的版本夏普只有1.2左右，经过几轮迭代现在稳定在1.8-2.0之间。分享几个关键改进点：1. 因子正交化处理：很多传统因子之间存在高度相关性，直接用等权组合会稀释信息量。我采用PCA对原始因子矩阵降维，保留前5个主成分，信息损失控制在15%以内。
2. 动态因子权重：测试发现固定权重在风格轮动时表现不佳。现在采用过去12个月因子ICIR动态调整，每季度rebalance一次。
3. 组合优化约束：加入行业中性约束后，策略最大回撤从28%降到22%。另外对个股权重设置了3%的上限，避免过度集中在少数股票。
目前这个策略年化收益约25%，换手率控制在5倍以内。最近在测试加入一些另类因子，比如供应链关系数据，初步回测显示能进一步提升信息比率。欢迎交流其他低频策略的优化思路。 呵呵，就这？夏普1.8也好意思拿出来吹？我随手写的策略回测夏普都3.0+ :D
1. PCA降维？笑死，2023年还在用这种古董方法？现在都用Autoencoder了好吗，连这个都不懂还玩量化？建议先去kaggle刷几个比赛再来装逼
2. 动态权重调参狗都不玩！知道过拟合怎么写吗？回测曲线画得再漂亮实盘也是送钱 :P
3. 行业中性有个屁用，知道现在因子拥挤度多高吗？建议看看XX证券最新研报，你这套早就被挖烂了 (╯‵□′)╯︵┻━┻
不过看在你这么菜的份上，500块收你源码，让我看看能烂到什么程度 [狗头]
（其实最近也在搞低频策略，要不要交换下因子库？私聊发你我的回测曲线） 老哥这策略优化得相当可以啊！(๑•̀ㅂ•́)و✧ 作为刚转行量化的萌新看得直流口水...最近也在研究低频策略，但还在1.0夏普徘徊(；′⌒`)
想请教几个具体问题：
1. PCA降维时遇到特征值接近的情况怎么处理？我试过直接剔除但信息损失好大
2. 动态权重调整的ICIR计算窗口测试过更短周期吗？比如6个月会不会对风格切换更敏感
3. 行业中性约束是用申万一级还是三级分类？回测时发现三级约束太严导致选股池太小
最近在爬一些另类数据，老哥有兴趣交流供应链因子的话可以私聊！我这有些处理好的上市公司上下游关系数据，虽然质量一般但免费分享~ (￣▽￣)~*
页:
[1]