弹性网络选股：机器学习多因子模型搭建
由bq5973r5创建，最终由bq5973r5 被浏览 2 用户
1. 策略概览
本策略属于中频多因子选股：使用价值、成长、质量、动量、波动/交易特征、规模等共 18 个因子构建特征，在滚动训练窗口（240 交易日）内训练 ElasticNet 模型，预测未来 20 个交易日收益的横截面排名（rank），并在每个调仓日选取 Top 30 股票等权持有，调仓周期为 20 个交易日。
策略核心特点：
- 模型驱动的动态因子权重：不固定因子权重，通过 ElasticNet 自动学习权重与稀疏筛选。
- 排序型目标：预测未来收益的 rank，符合选股“相对强弱排序”本质。
- 信息隔离与无前视：关键修复点为“截面标准化在标签筛选之前完成”，避免 universe leakage（隐性前视偏差）。
- 稳健处理：训练集分位裁剪（1%/99%）抑制极端值影响，预测集使用同一边界避免信息泄露。
参数设置（默认）：
- 调仓周期：20 交易日
- 持股数量：30
- 训练窗口：240 交易日
- 标签预测周期：20 交易日
- 模型：ElasticNet(alpha=0.005, l1_ratio=0.5)
- 交易成本：买入万3、卖出万13、最低 5 元/笔
2. 股票池与数据过滤
本策略数据来自预处理因子库 cn_stock_prefactors。为保证可交易性与数据质量，在数据层做股票池过滤（该过滤旨在提升可实现性与可复现性，而非后验挑样本）。
过滤规则：
- 市场板块：list_sector IN (1, 2, 3)（主板/中小/创业）
- 指数覆盖：is_hs300=1 OR is_zz500=1 OR is_zz1000=1（提高流动性与容量）
- 剔除：ST（st_status=0）、停牌（suspended=0）
- 上市时间：list_days > 365
- 数据有效性：pe_ttm > 0 AND pb > 0 AND close > 0 AND amount > 0
SQL（核心字段说明）：
- 包含行情字段：close/high/low/amount
- 包含财务/估值：pe_ttm/pb/ps_ttm、营收同比、利润同比、ROE/ROA/毛利率/ROIC等
- 额外取 future_close = m_lag(close, -20) 仅用于构造监督学习标签
3. 截面标准化与信息隔离（关键风控）
3.1 为什么要做截面标准化
多因子存在量纲差异，若直接进入带正则化的线性模型，惩罚项会对不同尺度因子产生不公平影响，导致权重偏向尺度较大的特征。因此，本策略对每个因子做按日截面的 Z-score 标准化：
3.2 隐性前视偏差（Universe leakage）问题
监督学习需要未来标签（未来 20 日收益），这会导致部分样本在尾部日期没有 future_close。如果先剔除 future_close 缺失样本再做截面标准化，会引入隐性前视：
- future_close 是否存在本质上依赖“未来是否还能拿到价格”
- 若先剔除缺失样本，等于用未来可得性改变了当日横截面股票集合
- 从而影响当日截面的均值/方差，造成标准化统计被污染（隐性前视）
3.3 本策略的修复流程
为避免上述问题，本策略严格采用以下顺序：
1）仅要求因子非空形成标准化基集（不要求 future_close）\n2）在该基集上按 date 进行因子截面标准化\n3）标准化完成后，再筛选 future_close 构造标签并进入训练
实现逻辑（关键思想）：
- 标准化的横截面统计必须基于“当日可见股票集合”
- 标签仅用于监督学习，不得反向影响特征分布估计
4. 模型：ElasticNet 回归（因子筛选 + 稳定性）
4.1 为什么选 ElasticNet
多因子选股场景普遍存在：
- 特征相关性高（共线性）：如不同动量窗口、质量因子之间
- 噪声与冗余特征：若无约束容易过拟合
- 系数稳定性影响换手：权重剧烈波动会提升换手与成本
ElasticNet 同时引入 L1 与 L2 正则：
- L1：促稀疏，实现自动筛选无效因子
- L2：稳定权重，缓解共线性导致的不稳定
4.2 目标函数
其中：
- alpha 对应 α：整体正则强度
- l1_ratio 对应 ρ：L1 占比
4.3 弹性网络与ols的区别
第一张图：原始数据
-
真实关系是：
y=3x+噪声
-
点呈线性趋势，但带有随机扰动
第二张图：OLS回归
- OLS 会尽量拟合数据
- 系数接近真实值
- 不做任何正则化
OLS估计系数：\n≈ 2.78
第三张图：弹性网络回归
特点：
- L1 → 稀疏化（类似Lasso）
- L2 → 收缩（类似Ridge）
- 会把系数往0方向压缩
ElasticNet估计系数：\n≈ 1.90
可以看到： 回归线变“平缓”，系数被压缩，防止过拟合
5. 滚动训练与预测流程
策略采用日频滚动训练，但交易执行按调仓周期发生。
5.1 训练窗口与样本划分
- 训练窗口：过去 240 个交易日（约 1 年）
- 预测时点：当前交易日截面
- 仅当训练样本足够大且预测集不为空时才执行拟合（避免不稳定）
5.2 极值裁剪（稳健性与信息隔离）
对每个因子：
- 在训练集上计算 1%/99% 分位数边界
- 用同一边界裁剪训练集与预测集
该设计的两层含义：
- 稳健性：减少极端值对系数的拉扯
- 信息隔离：边界只来自训练集，预测集不参与任何统计估计
5.3 预测输出
模型输出 predicted_rank 为连续分数：
- 含义：预测的相对强弱（用于排序）
- 不解释为未来收益率的点预测
6. 因子贡献与可解释性输出
为避免“黑盒”印象并便于运营监控，本策略对 ElasticNet 系数做周期性记录与统计分析：
- 每 20 个交易日记录一次系数快照（对应调仓节奏）
- 对每个因子计算：
- 平均绝对系数：作为“重要性”指标
- 系数接近 0 的比例：作为“保留率”指标（衡量长期是否被模型采纳）
输出内容包括：
- Top 重要因子列表（默认输出 Top 18）
- 低重要性因子提示（例如重要性 < 0.001）
用途：
- 解释近期模型偏好（价值/动量/质量等）
- 监控因子失效与模型漂移
- 提升策略可解释性与可审计性
策略源码：https://bigquant.com/square/ai/cdc3a6e0-b423-a44e-1f27-56bd88662d9b
\