长江证券-多因子选股-十三-：组合优化的“过拟合”，以退为进-211016

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。