[發明專利]一種基于稀疏非負線性回歸的金融多因子預測方法

在審

• 申請號: 202010326544.2
• 申請日: 2020-04-23
• 公開（公告）號: CN111640026A
• 公開（公告）日: 2020-09-08
• 發明（設計）人: 陳積嘉;李春光
• 申請（專利權）人: 浙江大學
• 主分類號: G06Q40/06
• 分類號: G06Q40/06;G06Q40/04
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 萬尾甜;韓介梅

本發明公開了一種基于稀疏非負線性回歸的金融多因子預測方法。本發明包括以下步驟：確定預測股票池和訓練股票池，并選取對股票未來收益率的預測可能有效的多種因子；獲取股票的歷史交易數據以及因子計算所需的其他數據，計算各因子及標簽值，并進行正相關處理和歸一化處理；構建稀疏非負線性回歸的金融多因子預測模型；采用基于稀疏非負線性回歸的金融多因子預測模型對股票進行評分，根據評分高低可以預測各股票未來收益率的相對大小。本發明符合投資邏輯，模型具有魯棒性，可以對大量因子與股票未來收益率之間的關系進行回歸，而不產生過于復雜的結果；可以較為理想的對股票未來收益率進行評分，據此選股的長期表現優于市場。

技術領域

本發明屬于統計信號處理技術、機器學習以及金融領域，特別是涉及一種基于稀疏非負線性回歸的金融多因子預測方法。

背景技術

因子投資理論在當今的量化金融領域有重要的地位。一般來說，因子描述了一攬子股票所共同承擔的某種(可以是未知的)系統性風險。相應的，因子收益率是這些股票的共性收益(即系統性風險溢價)。綜合來看，可以將因子分為以下四個主要類別。首先是宏觀經濟因子，包括消費增長、通脹等。其次是基本面因子，包括估值、經營效率、盈利能力、財務風險等。再次是技術類因子，往往也稱作量價類因子，主要圍繞股票價格和交易量等相關數據，包括動量、反轉、波動率等。最后是另類因子，比如文本情緒因子等。多因子模型認為資產價格取決于一系列因素。通過有效配置各個因子，投資者能夠對沖投資風險，提升整體收益。

經典的多因子模型，如FF3三因子模型、FF5五因子模型是人為設計的，能夠考慮的因子數量少，因子之間的關系依據經驗簡單設計，模型受主觀意識影響嚴重，無法全面深刻地利用所有數據，效率低下。當然，目前也有很多以機器學習算法為基礎的選股策略，但由于機器學習方法對數據的挖掘能力往往非常強大，同時股市又是一個十分復雜且充滿噪聲的系統，使用某些樣本對一般模型進行訓練很可能得到與投資邏輯相違背的結論，樣本外表現迅速下降。

發明內容

本發明的目的在于針對現有方法的不足，結合因子投資的邏輯，提出一種基于稀疏非負線性回歸的金融多因子預測方法。非負約束保證了類似“公司營業收入越低，其股票價格未來上漲越多”這樣有違邏輯的結論不會出現。稀疏約束則在一定程度上保證模型不會過于復雜，這在因子數量巨大的情況下尤為重要。

本發明解決其技術問題所采用的技術方案如下：

一種基于稀疏非負線性回歸的金融多因子預測方法，包括如下步驟：

(1)確定預測股票池和訓練股票池，并選取對股票未來收益率的預測可能有效的多種因子；

(2)獲取股票的歷史交易數據以及因子計算所需的其他數據(如上市公司財務報表數據)，計算各因子及標簽值(股票未來收益率)，并進行正相關處理和歸一化處理，確保股票未來收益率表現好的股票，其因子數值也相對更大；

(3)構建稀疏非負線性回歸的金融多因子預測模型；

(4)采用基于稀疏非負線性回歸的金融多因子預測模型對股票進行評分，根據評分高低可以預測各股票未來收益率的相對大小。

上述技術方案中，進一步地，所述步驟(1)中，預測股票池和訓練股票池根據投資偏好確定。訓練股票池用于步驟(3)所述稀疏非負線性回歸模型的訓練，預測股票池則對應了步驟(4)所述未來收益率評分的預測范圍，不做區分時統稱股票池。訓練股票池和預測股票池可以一致也可以不一致。當訓練股票池和預測股票池不一致時，訓練股票池中的股票應該能夠充分代表預測股票池內的所有股票，具有預測股票池的全部特征。

進一步地，所述步驟(1)中，因子的選取應該有相應的理論依據或有實證表明該因子對預測股價有一定作用，可以同時結合市場情況、股票池特點進行選取。為保證本發明的魯棒性，所選因子的數量不應過少，并且因子的類型應盡量豐富。