因子模型系列之十三：利用LSTM算法估计基金因子暴露度.docxVIP

第 PAGE 1 页 共 NUMPAGES 3 页 正文目录 基金的因子暴露和传统方法的局限性 4 净值数据反推因子暴露构想 5 LSTM 算法介绍 6 循环神经网络（RNN） 6 长短期记忆神经网络（LSTM） 6 标签处理和特征变量选取 7 标签处理 7 特征变量选取 9 模型的训练 10 数据选取和结果展示 13 结论 16 模拟基金方法的失败及思考 17 模拟基金法介绍 17 关于模拟基金法失败原因的思考 19 图表目录 图 1 股票型基金各类定期报告实际平均时滞天数（2018 年） 4 图 2 股票型基金重仓股市值占基金净资产净值比例均值 5 图 3 LSTM 网络神经元示意图 7 图 4 单只基金经过插值之后的规模类因子暴露度走势示意 8 图 5 算法在基金拼接处暴露度跳点敏感度示意 9 图 6 过拟合与欠拟合的图形示意 11 图 7 K-折交叉验证方法示意图 11 图 8 深度学习神经网络结构图 12 图 9 模型在训练集与验证集中训练的误差走势图 13 图 10 股票型基金测试集中预测结果比较图 1 14 图 11 股票型基金测试集中预测结果比较图 2 14 图 12 股票型基金测试集中预测结果比较图 3 14 图 13 股票型基金测试集中预测结果比较图 4 14 图 14 股票型基金测试集中预测结果比较图 5 14 图 15 股票型基金测试集中预测结果比较图 6 14 图 16 股票型基金测试集中预测结果比较图 7 15 图 17 股票型基金测试集中预测结果比较图 8 15 图 18 股票型基金测试集中预测结果比较图 9 15 图 19 股票型基金测试集中预测结果比较图 10 15 图 20 股票型基金测试集中预测结果比较图 11 15 图 21 模拟基金法产生假基金的流程图 17 图 22 模拟基金法产生基金的净值走势图 18 图 23 模拟基金法训练集预测结果展示（随机截取） 18 图 24 测试集中预测暴露度和真实暴露度对比 1 19 图 25 测试集中预测暴露度和真实暴露度对比 2 19 图 26 测试集中预测暴露度和真实暴露度对比 3 19 图 27 测试集中预测暴露度和真实暴露度对比 4 19 基金的因子暴露和传统方法的局限性 在进行基金研究的时候，投资者可能会对某只感兴趣的基金到底在哪些因子上有暴露产生好奇。对于目标基金暴露度的观察，计算基金的因子业绩归因，可以给投资者在构建投资组合的时候带来参考；同时对全市场基金因子暴露度迁移的观测，也有助于投资者把握市场的整体情绪。 一般情况下，计算基金在某因子上的暴露，需要获悉基金的具体持仓数据。对于投资者自己管理的组合，要获得其具体的动态持仓数据自然不是什么难事。但是对于并非自己管理的目标基金，我们只能通过目标基金的管理人公布的定期报告来获得持仓数据。 基金公司每个季度都会公布上季度的季度报告，同时在半年度和年度结束时，会整理发布基金的年度报告。在季度报告中，基金公司会公布报告期末按公允价值占基金资产净值比例大小排序的前十名股票投资明细（即期末前十大重仓股持仓明细），而在半年度报告和年度报告中，则公布期末所有股票的持仓明细。 证监会在《证券投资基金信息披露管理办法》中，对于基金管理人定期报告公布时间及公布持仓数据的范围的规定如下： 季度报告半年度报告年度报告15 季度报告 半年度报告 年度报告 15 个工作日内 60 日内 90 日内 重仓股持仓数据（前 10 只） 全部持仓数据 全部持仓数据 资料来源：证监会官网公告、 整理 我们统计了 2018 年 Wind 开放式基金分类下，普通股票型基金 2018 年实际公布定期报告的之后天数均值，展示如下： 图 1 股票型基金各类定期报告实际平均时滞天数（2018 年） 资料来源： 、Wind 资讯 从图 1 中可以看出，基金公司的定期报告存在较大的时滞性，要知道完整的持仓数据至少要等待两个月及以上的时间。同时，定期报告中公布的数据是报告期末静态的快照数据。投资者在进行因子暴露值观测的时候，其实更关心基金持仓和因子暴露值的变动数据，而动态的数据是无法从报告中获取的。 季度报告相对及时一些，但季度报告只公布重仓股的持仓明细，于是我们统计了重仓股市值占基金资产净值的比例均值。结果如下： 图 2 股票型基金重仓股市值占基金净资产净值比例均值 资料来源： 、Wind 资讯 2018 年股票型基金中，排名前十的重仓股比例均值基本维持在 43%左右。若直接用重仓股数据代替全部持仓数据来计算基金在因子上的暴露，似乎不够严谨。基于上述这些弊