机器学习因子在量化选股中的过拟合规避方法.docxVIP

机器学习因子在量化选股中的过拟合规避方法

一、机器学习选股因子的应用逻辑与过拟合的形成本质

（一）机器学习因子在量化选股领域的应用兴起

传统量化选股多依托线性多因子框架展开，核心是假设估值、盈利、成长等类别的因子与股票未来收益存在稳定的线性关系，但随着市场有效性逐步提升，这类简单线性模型的解释力持续下降。实际上，市场参与者的决策过程充满非线性特征，不同因子的有效性会随着宏观环境、市场情绪、流动性水平变化呈现显著的条件差异，因子之间也存在复杂的交互影响，比如同样是低估值股票，在盈利稳定的行业和盈利波动极大的行业中，未来收益表现可能天差地别，这类复杂关系是传统线性模型很难精准捕捉的。机器学习算法凭借对高维数据的强大处理能力，能够自动挖掘特征与未来收益之间的非线性映射、交互效应，甚至可以有效处理财报文本、市场舆情、交易行为等非结构化数据，因此近些年在量化选股领域得到了广泛应用，不少基于机器学习构建的选股组合在历史检验中展现出比传统多因子模型更高的收益和风险调整后收益（石川，2020）。

（二）量化选股场景下过拟合的典型表征

过拟合是机器学习应用中的经典问题，本质是模型将训练数据中的偶然波动当成了具备普适性的一般规律，这种问题在低信噪比的金融市场中表现得尤为突出。在量化选股场景下，过拟合的表征十分明确：首先是回测表现与实盘表现的严重背离，不少模型在历史回测中能实现极高的年化收益、极低的回撤