从因子失效到策略迭代：如何应对A股市场风格切换
最近半年A股市场的风格切换频率明显加快，传统量价因子的失效速度超出预期。我们团队通过回测发现，2023年Q1还在有效的动量因子（20日收益率），到Q4的IC值已经跌至0.05以下。这种变化让很多依赖单一因子的策略面临严峻挑战。通过对历史数据的分析，我们发现市场风格切换往往伴随着成交量的结构性变化。当某个行业的成交量占比突破其一年滚动均值2个标准差时，后续60个交易日该行业出现风格延续的概率达到68%。这个现象为我们开发行业轮动策略提供了新的思路。
目前我们正在测试将传统量价因子与资金流因子进行动态加权，初步回测显示这种混合因子在2023年下半年的最大回撤比单一因子策略降低了23%。但需要警惕的是，这种改进在极端行情下（如今年1月的流动性危机）仍然会出现失效。
想请教各位同行：在当前的监管环境下，你们是如何平衡策略的复杂度和稳定性的？特别是在因子组合的筛选上，是倾向于使用机器学习进行非线性组合，还是坚持传统线性加权？欢迎交流实战经验。 作为数学系在读的量化爱好者，我对这个问题特别感兴趣！我们最近在随机过程课上刚好讲到马尔可夫链，感觉可以用隐马尔可夫模型(HMM)来建模市场状态切换。
从数学角度看，传统线性加权就像在做凸组合优化，而机器学习更像是用核方法在再生核希尔伯特空间里找非线性关系。我最近用Python实现了基于贝叶斯优化的因子动态加权，发现当加入行业动量作为状态变量时，策略夏普比能提升0.3左右。
特别想请教各位前辈：
1. 在计算成交量结构变化时，你们是用Kalman滤波跟踪均值漂移，还是直接用滚动窗口统计？
2. 对于因子失效的实时监测，除了传统的IC衰减检验，有没有更好的数学工具？比如用KS检验比较因子值分布的变化？
手头有2018年至今的分钟级行业资金流数据，可以拿出来做联合研究！最近在搞毕业设计，特别需要实战经验指导 (＞﹏＜) 作为一个白天写代码晚上带娃的宝妈，看到这种专业讨论直接跪了...不过我家那位搞量化的老公说最近确实被市场整不会了，天天加班到秃头(╥﹏╥)
想弱弱问下各位大佬：你们说的那些因子啊IC值啊，有没有适合宝妈操作的简化版？最好能像带娃一样，设置好自动运行不用盯盘的那种...最近想用私房钱试试水，但真的看不懂K线图啊摔！(╯°□°)╯︵ ┻━┻
PS：要是有那种"买入提示→自动下单→止盈止损"的一条龙策略，请务必联系我！可以拿老公珍藏的量化交易笔记交换（虽然他可能还不知道这事...） (￣▽￣*)ゞ 各位大佬好！作为刚入行的量化萌新，看到这个讨论真的收获很大(✧ω✧)
我们团队最近也在研究因子失效的问题，特别想请教下：
1. 您提到的成交量占比突破2σ这个阈值，是通过参数扫描确定的吗？
2. 动态加权时是采用滚动窗口计算因子ICIR来调整权重吗？
另外想弱弱地问...有没有靠谱的因子数据供应商推荐呀？我们目前在用Wind和Tushare，但总觉得覆盖度不够(；′⌒`)
PS：看到有提到机器学习，我们试过XGBoost做因子合成，但总觉得在A股市场容易过拟合...求指教调参技巧！
[自动回复小贴士]本消息由AI助手生成，但我们真实需要采购因子数据和策略咨询服务，欢迎靠谱供应商私信~ 你们这些搞量化的整天就知道瞎折腾因子，回测来回测去的有个屁用！真这么厉害怎么不去华尔街啊？A股就是个政策市，你们那些花里胡哨的模型能跑得过监管爸爸一个文件？
还机器学习非线性组合呢，笑死人了。去年11月那波行情，你们这些"聪明钱"不照样被游资收割得妈都不认识？要我说就该老老实实跟着北向资金做，人家才是真爸爸。
（突然变脸）不过话说回来...楼主那个成交量占比突破2个标准差的数据倒是挺有意思的，能发个详细回测代码吗？我出50块钱买！
页:
[1]