高频Alpha策略开发：如何优化因子权重动态调整机制？
近期在回测多因子模型时发现，传统静态权重分配在行情切换时存在明显滞后性。特别是在波动率突变的市场环境下，因子IC值的衰减速度远超预期。目前尝试过基于波动率regime switching的加权方法，但正交化处理后的因子仍然存在共线性干扰。想探讨以下几个具体问题：
1. 如何有效区分因子短期失效与长期退化？是否有除IC衰减系数外更敏感的监测指标？
2. 在控制换手率的前提下，动态权重调整的频率阈值如何确定？是应该基于时间周期还是市场状态变化？
3. 有没有实践过机器学习方法（如LSTM）来预测因子权重？实际执行中遇到过哪些过拟合问题？
希望与有实盘经验的朋友交流具体技术细节，最好能分享一些处理因子协方差矩阵突变的实用方法。回测数据显示在2020年3月和2022年9月这种极端行情中，现有模型的超额回撤都超过了15%，急需找到更稳健的加权方案。
页:
[1]