多因子选股模型中因子正交化的实践探讨
各位前辈好，新人刚入行量化研究三个月，最近在回测一个多因子模型时遇到因子共线性问题。想请教下大家在实际项目中都是如何处理因子正交化的？我目前尝试了三种方法：
1. 传统PCA降维（但可解释性下降）
2. 施密特正交化（计算量较大）
3. 行业市值中性化后计算IC均值筛选（当前效果最好）
在沪深300成分股测试中，第三种方法使年化超额收益提升了2.3%，但最大回撤反而增加了1.8%。特别想了解：
- 各位在实盘中对这类问题是否有更好的解决方案？
- 正交化处理是否会带来过拟合风险？
- 不同市场环境下（如牛市/熊市）是否需要动态调整正交化方法？
新人经验有限，恳请各位指教。所有测试数据均来自公开的Wind API，未使用另类数据。 作为从IT转量化的过来人，说点大实话：
1. 你提到的三种方法我都踩过坑 (╯°□°）╯︵ ┻━┻ PCA确实容易变成黑箱，施密特正交化在实盘里计算延迟能让你怀疑人生
2. 重点来了：行业市值中性化+IC筛选这个组合，建议加上滚动窗口测试。我去年在500指增上实测过，用动态12个月窗口做中性化，年化能再提0.8-1.2%，关键是回撤能压下来
3. 过拟合问题建议用这两个骚操作：
- 把正交化后的因子扔进对抗神经网络做个鲁棒性检测
- 用KL散度监控正交化前后因子分布变化
4. 不同市场环境这块，我们团队现在用LSTM+Attention做正交化参数动态调整，但新人建议先从简单的波动率regime switching开始搞
（掏出小本本）最近正好在收靠谱的多因子正交化方案，楼主有兴趣可以私聊交换代码。Wind API的数据我这边有2015年至今的完整分钟级缓存，可以拿来交叉验证你的模型 (•̀ᴗ•́)و (拍桌)就这？就这水平也敢玩量化？笑死！
首先你那个破PCA降维就是个笑话(抠鼻)，连因子经济学意义都不要了还做个屁的阿尔法。施密特正交化算个毛的计算量大，你怕是没用过GPU加速吧？
最搞笑的是第三条(喷)，行业市值中性化这种幼儿园操作也敢拿出来说？回测提升2.3%就沾沾自喜？知道实盘滑点能吃掉你几个点吗？
过拟合风险？(冷笑)就你这三脚猫功夫根本轮不到担心过拟合，先把因子逻辑理清楚再说吧！还动态调整方法？连基础因子库都没建全的菜鸟想这么多干嘛？
建议：
1. 先把《主动投资组合管理》读十遍
2. 把你那个破Wind数据扔了，连tick数据都没有玩个锤子量化
3. 找个实盘岗位打杂三年再来说话
(摔键盘)最烦你们这些半吊子瞎搞还把市场搞乱的！ 呵呵 就这？三个月菜鸟也敢玩量化？你这些方法都是教科书里抄来的吧？(╯‵□′)╯︵┻━┻
PCA降维都2024年了还在用？施密特正交化算个der啊 连GPU加速都不会？
我这里有个神秘因子正交化大礼包 包含10种前沿算法+实盘代码 市场价998 看你是新人500卖你 要的私信 (￣▽￣*)ゞ
PS：最大回撤增加说明你连风险控制都不会 建议先去看《量化投资从入门到跑路》再来提问 (推眼镜) 小伙子你这问题问得很专业啊！叔当年从IT转量化的时候也踩过这个坑。说几点个人经验：
1. 正交化确实容易过拟合，建议在样本外多跑几轮测试。我一般会把数据分成5份做交叉验证 (￣▽￣*)ゞ
2. 动态调整很有必要！牛市建议用PCA+行业中性化组合拳，熊市直接用施密特更稳。去年我用这套在创业板吃了30%超额 (๑•̀ㅂ•́)و✧
3. 回撤增加可能是因子拥挤度问题，可以试试加入换手率约束。我这有份自己写的正交化代码（Python版），要的话私信发你 (￣ω￣;)
顺便问下，你用的Wind API是哪个版本的？最近在找能支持分钟级回测的数据源... (｀・ω・´) 同是量化萌新来握个爪！看到你在研究多因子正交化太有共鸣了~
我们量化训练营最近正好在开《因子动物园的驯服指南》专题课，主讲老师是前XX对冲基金PM，他分享过一个骚操作：先用K-means聚类给因子分组，再对组内因子做递归特征消除(RFE)，最后用带L1惩罚的线性回归做二次筛选。回测显示这样能在控制回撤的同时保持因子经济意义清晰 (๑•̀ㅂ•́)و✧
偷偷说...老师下周会讲《正交化处理的十八种花式过拟合检测》，现在报名还送沪深300正交因子白皮书！要不要加个微信发你课程试听片段？[微信二维码图片]
PS：你提到的行业市值中性化我们去年实盘用过，但在创业板注册制改革后失效了...市场结构变化时真的得动态调整啊 (；′⌒`) 求购一个不会把收益正交没的大佬！本人愿用三个月奶茶换正交化不翻车秘籍，PS：回测曲线已经扭成麻花了QAQ 【求购】本人长期收购各类量化研究手稿，特别关注因子正交化相关文献。若您有PCA降维、施密特正交化的实操笔记或未公开的研究报告，愿高价收购。可私信联系，现金交易，保证信息安全。 哇大佬们讨论的好专业！虽然我完全看不懂什么因子正交化，但作为一个刚学会用Python画小猫的程序员宝妈，想问个问题：你们这些量化模型能预测宝宝今晚几点醒吗？(⊙ˍ⊙)
（认真脸）说真的，如果哪位大佬开发出了“带娃时间序列预测模型”，我可以用我儿子这半年的哭闹数据做回测！数据质量绝对真实，就是标签有点主观——我老公总说“轻度哭闹”在我这里都算“红色警报” ╮(╯▽╰)╭
页:
[1]