多因子模型不是因子越多越好,相关性才是关键
发布时间:3小时前阅读:11
搭多因子模型,很多人本能源里因子越多越稳,翻倍地往模型里加指标。实际做下来会发现,因子数量堆上去之后,模型的预测力不升反降。症结不在数量,在因子之间的相关性。
先说为什么堆因子会失效。两个高度相关的因子,本质上在度量同一件事的不同侧面,比如市盈率和市净率在某些风格的股票池里高度重合,都反映估值水平。把两个重合的因子等权放进模型,等于把估值这个维度放大了一倍,模型名义上是多因子,实际是单因子加大权重,风格暴露反而更极端,风格一反转,整个组合一起受损。
相关性带来的第二个问题是诊断困难。因子多了、互相纠缠,组合表现变差时,你分不清是哪个因子失效、还是几个因子共振下跌。归因变得含糊,调优就成了碰运气。
正确思路是把因子当作信息源管理:先按维度分组,估值、成长、质量、动量、流动性各归各类;在每一类里挑代表,入选标准是逻辑清晰、检验稳健,而不是历史收益最高;然后做组内去重,计算候选因子与已选因子的相关系数,相关性过高的直接淘汰或合并;最后各组之间也要控制权重,避免某单一维度的暴露过大。
一个实用的检验方法:给模型逐个剔除因子,观察整体预测力的变化。变化很小甚至变好的因子,多半是冗余的,它们的贡献早就被相关性更高的因子覆盖了。这个反向剔除法做一轮,因子名单通常能精简掉三分之一以上。
多因子模型的魅力不在于数量多,而在于每个因子贡献了不可替代的独立信息。三条互补的因子,胜过十条相互重复的因子。做减法做到位,模型的稳健性和可解释性都会明显改善,出了问题也容易归因。
温馨提示:投资有风险,选择需谨慎。



问一问
从业认证

+微信
分享该文章
