“摘要:致偏离)保证信息衰减的合理性,以综合子股票空间结果,提升信息量表达,可以解决组合优化“过拟合”问题。融合“模糊预测Alpha”和“随机优化”两种方法,可以进一步提升组合的稳定性“模糊预测Alpha”和“随机优化”方法的融合,本质为每次子空间得到组合权重时,进一步降低信息表达,使得组合在信噪。” 1. 组合优化“过拟合”,即求解组合权重时,过度表达预测Alpha信息,导致权重向头部极致偏离低频的多因子选股预测Alpha的信噪比较低,基于选股的样本量,在大数定律的基础上,实现稳定的超额收益,但截面上的结果往往会向头部个股极致偏离,导致市场环境发生变化时,产生较大相对回撤,时序上超额收益波动增加。 2. 解决组合优化“过拟合”的核心在于适当减少预测Alpha信息表达,从而避免组合权重向头部极致偏离本文共给出了以下方法,解决组合优化“过拟合”问题:限制最小个股数量,将原组合尾部权重适当降低,分配给组合外预测Alpha较高的头部个股,权重依然向头部个股偏离,并不能以合理方向降低信息表达;分组组合优化,一定程度上降低了信息表达,但降低信息表达的倾向性为构建和宽基最相似的组合,虽然避免个股权重向头部的极端偏离,但损失信息量较多;模糊化预测Alpha组合优化,模糊了头部预测Alpha的信息表达,分配权重时以Alpha为主保证了信息表达的合理性,可以解决组合优化“过拟合”问题;随机组合优化,以子股票空间降低预测Alpha的信息表达,以组合优化自身的特性(向头部个股极致偏离)保证信息衰减的合理性,以综合子股票空间结果,提升信息量表达,可以解决组合优化“过拟合”问题。 3. 融合“模糊预测Alpha”和“随机优化”两种方法,可以进一步提升组合的稳定性“模糊预测Alpha”和“随机优化”方法的融合,本质为每次子空间得到组合权重时,进一步降低信息表达,使得组合在信噪比较大的背景下,提高样本外市场环境的适应能力。 4. 从结果上看,模糊化随机化组合优化对风险收益比的提升显著,参数敏感性较低,是一种解决组合优化“过拟合”问题较好的方法。 5. 风险提示:1.模型存在失效风险;2.本文举例均基于历史数据,不保证未来收益。
Copyright © 2014-2021 侠盾智库&侠盾研报网. All Rights Reserved. Power by Www.xiadun.Net 客服邮箱:yanbao_service@163.com