机器学习系列之六：适应市场状态与股票关联性的因子生成模型-240904.pdfVIP

[Table_Info1][Table_Date]

证券研究报告发布时间：2024-09-04

[Table_Title][Table_Invest]

证券研究报告/金融工程研究报告

适应市场状态与股票关联性的因子生成模型

机器学习系列之六

报告摘要：

Adaptive-GSM-Alpha因子回测

[Table_Summary]

市场状态的切换与股票间关联关系的变化对股票的预期收益影响显著。

不同的市场状态对应着不同的交易模式，而传统方法为不同状态的数据

赋予相同的重要性，尝试构建一种统一的交易模式，这种通用的方法可

能难以适应市场状态的切换或市场的结构性变化，从而可能在极端的行

情中出现较大回撤。股票间的关联性通常包括股票分类以及相似度的度

量，其描述股票的协同效应，即对于某些信息的反应具有一致性，传统

方法通常仅通过股票自身的特征序列来建模预期收益，在信息输入上存

在缺失。传统方法存在着这两方面的局限性。

[Table_Report]

相关报告

风险因子与深度风险模型建模股票关联关系，趋势与波动识别市场状《上月波动率、红利、流动性因子表现较优》

态。风险因子涵盖股票基本面与量价信息，蕴含着股票的内在特征，且-

有着对收益解释力度强、截面相关性低、时序自相关性高等特点，可以《股票投资中的赔率/胜率/DCF与PB-ROE》

作为计算股票相似度的重要依据。深度风险模型对原始风险因子进行进

-

一步的加强，对股票的本质特征具有更好的刻画效果。对于市场状态的

识别，窗口期内标准化价格的斜率作为趋势指标，窗口期内日收益率的《基于随机森林算法的信用风险识别模型》

标准差作为波动性指标，将市场状态分为暴涨、平稳上行、宽幅震荡、-

窄幅震荡、暴跌以及持续下行6种情形，实证结果表明，不同的市场状《沪深300好大高正，华安增强严快稳省》

态具有不同的风格偏向。-

《ROE和CFO效率因子》

Adaptive-GSM-Alpha是一种适应性的因子生成模型，适应市场状态与

-

股票关联性的变动。Adaptive-GSM-Alpha分为基础模型与子模型两部

分。基础模型在GSM-Alpha上做出改进，使用风险因子计算股票的相似

性，另外在特征提取上将风险因子与量价序列数据组合输入，拓宽Alpha[Table_Author]

的信息源。6个子模型对应6种市场状态，利用每个状态对应的数据在证券分析师：王琦

基础模型上微调，旨在刻画不同状态下的交易模式。最后考虑到稳健性，执业证书编号：S0550521100001

依据当前的市场状态生成权重从而对6个子模型进行加权，并与基础模021wangqi_5636@

型复合得到最终输出结果。