AI选股模型特征筛选与处理，SHAP、中性化与另类特征.docx

内容目录

一、为什么需要特征工程？ 5

二、特征选择方法介绍 5

基础统计方法 5

SHapleyAdditiveexPlanations 6

STochasticGates（STG） 6

三、特征选择方法效果 7

基础统计方法 7

SHAP方法 8

STG方法与整体比较 10

滚动训练的必要性讨论 12

四、因子与标签中性化效果 12

五、加入另类因子的效果 13

宏观指标等截面不变的因子 13

分钟频量价数据计算的高频因子 15

六、特征工程优化的GBDT+NN指数增强策略 17

因子测试结果 18

特征工程优化的GBDT+NN的指数增强策略 20

总结 25

风险提示 25

图表目录

图表1：SHAP示意图 6

图表2：STG模型示意图 7

图表3：滚动训练数据划分 7

图表4：基础统计方法各项指标对比 8

图表5：基础统计方法多空组合净值 8

图表6：基础统计方法分位数组合年化超额收益 8

图表7：基于SHAP方法因子筛选各项指标对比 9

图表8：基于SHAP方法多空组合净值 9

图表9：基于SHAP方法分位数组合年化超额收益 9

图表10：SHAP对特定样本的解释 10

图表11：SHAP对全部样本集的解释 10

图表12：SHAP对部分样本的解释 10

图表13：STG的特征选择层门控信息 11

图表14：几种特征选择方法各项指标对比 11

图表15：几种特征选择方法多空净值曲线 11

图表16：滚动训练中选择因子的变化情况 12

图表17：GRU输入数据中性化表现 13

图表18：LightGBM输入数据中性化表现 13

图表19：各类另类因子描述 14

图表20：另类因子加入后LightGBM的表现 14

图表21：另类因子多空组合净值 14

图表22：另类因子分位数组合年化超额收益 14

图表23：国金金工基础高频因子 15

图表24：沪深300上高频因子表现 15

图表25：沪深300上高频因子多空组合净值 16

图表26：沪深300上高频因子分位数组合年化超额收益 16

图表27：中证500上高频因子表现 16

图表28：中证500上高频因子多空组合净值 16

图表29：中证500上高频因子分位数组合年化超额收益 16

图表30：中证1000上高频因子表现 17

图表31：中证1000上高频因子多空组合净值 17

图表32：中证1000上高频因子分位数组合年化超额收益 17

图表33：特征工程优化的GBDT+NN模型结构 18

图表34：特征工程优化的GBDT+NN因子在沪深300成分股的各项指标 18

图表35：GBDT+NN+FE在300上多头超额净值曲线 19

图表36：GBDT+NN+FE在300上多空净值曲线 19

图表37：特征工程优化的GBDT+NN因子在中证500成分股的各项指标 19

图表38：GBDT+NN+FE在500上多头超额净值曲线 19

图表39：GBDT+NN+FE在500上多空净值曲线 19

图表40：特征工程优化的GBDT+NN因子在中证1000成分股的各项指标 20

图表41：GBDT+NN+FE在1000上多头超额净值曲线 20

图表42：GBDT+NN+FE在1000上多空净值曲线 20

图表43：特征工程优化的GBDT+NN沪深300指数增强策略指标 21

图表44：GBDT+NN+FE在300上指增策略净值曲线 21

图表45：GBDT+NN+FE在300上指增策略超额净值曲线 21

图表46：特征工程优化的GBDT+NN沪深300指数增强策略分年度收益 21

图表47：特征工程优化的GBDT+NN沪深300指数增强策略分年度收益数值 22

图表48：特征工程优化的GBDT+NN中证500指数增强策略指标 22

图表49：GBDT+NN+FE在500上指增策略净值曲线 22

图表50：GBDT+NN+FE在500上指增策略超额净值曲线 22

图表51：特征工程优化的GBDT+NN中证500指数增强策略分年度收益 23

图表52：特征工程优化的GBDT+NN中证500指数增强策略分年度收益数值 23

图表53：特征工程优化的GBDT+NN中证1000指数