2022年遺傳規(guī)劃專(zhuān)題研究報(bào)告VIP

1、2022年遺傳規(guī)劃專(zhuān)題研究報(bào)告1.遺傳規(guī)劃研究回顧遺傳規(guī)劃是一種啟發(fā)式的公式演化技術(shù)，通過(guò)模擬自然界中遺傳進(jìn)化的過(guò)程來(lái)逐漸生成契 合特定目標(biāo)的公式群體，適合進(jìn)行因子挖掘。在華泰金工人工智能系列前期報(bào)告中，有三 篇遺傳規(guī)劃因子挖掘相關(guān)的報(bào)告，涉及量?jī)r(jià)因子挖掘、適應(yīng)度改進(jìn)、交叉驗(yàn)證等內(nèi)容。本 文中，我們將把遺傳規(guī)劃運(yùn)用于分析師一致預(yù)期因子的挖掘。遺傳規(guī)劃從隨機(jī)生成的公式群體開(kāi)始，通過(guò)模擬自然界 中遺傳進(jìn)化的過(guò)程來(lái)逐漸生成契合特定目標(biāo)的公式群體。我們對(duì)遺傳規(guī)劃程序包 gplearn 進(jìn)行深度改進(jìn)，實(shí)現(xiàn)了遺傳規(guī)劃在因子挖掘上的應(yīng)用。關(guān)于遺傳規(guī)劃的詳細(xì)原理，可參見(jiàn) 報(bào)告人工智能 23：基于遺傳規(guī)劃選股因

2、子挖掘(2019.6.10)。2.分析師一致預(yù)期數(shù)據(jù)的特點(diǎn)和處理方法一致預(yù)期數(shù)據(jù)的特點(diǎn)和形式分析師一致預(yù)期數(shù)據(jù)歸納總結(jié)了市場(chǎng)上賣(mài)方分析師報(bào)告對(duì)個(gè)股的財(cái)務(wù)指標(biāo)預(yù)測(cè)、評(píng)級(jí)以及 關(guān)注情況，是除公司財(cái)報(bào)數(shù)據(jù)、交易數(shù)據(jù)以外重要的第三方數(shù)據(jù)，蘊(yùn)含豐富的信息。且分 析師一致預(yù)期數(shù)據(jù)可達(dá)到日頻更新的水平，一定程度上能反映基本面的高頻變化，具有深 度挖掘的價(jià)值。每日每只股票的一致預(yù)期數(shù)據(jù)個(gè)數(shù)可能是不同的，一般包含 2-3 個(gè)未來(lái)年份(通常有賣(mài)方持 續(xù)覆蓋的情況下，不論是否披露財(cái)報(bào)，均有 3 年預(yù)測(cè)期數(shù)據(jù)，財(cái)報(bào)更新后沒(méi)有賣(mài)方持續(xù)跟 蹤的，有 2 年預(yù)測(cè)期數(shù)據(jù))。當(dāng)某年的財(cái)務(wù)報(bào)表披露后，該年的一致預(yù)期數(shù)據(jù)就不再出現(xiàn)

3、， 所以一致預(yù)期數(shù)據(jù)的預(yù)測(cè)年份是在變化的。如下圖，在 2021 年 2 月 2 日，股票 000002 有 三年的一致預(yù)期數(shù)據(jù)，而股票 000001 則只有兩年的一致預(yù)期數(shù)據(jù)，這是由于股票 000001 的 2020 年財(cái)報(bào)已披露，最小預(yù)測(cè)年份就會(huì)變成 2021 年，而股票 000002 的 2020 年財(cái)報(bào) 尚未披露，故最小預(yù)測(cè)年份是 2020 年。針對(duì)遺傳規(guī)劃需求的一致預(yù)期數(shù)據(jù)處理方法在使用遺傳規(guī)劃進(jìn)行量?jī)r(jià)因子挖掘時(shí)，因子計(jì)算過(guò)程是在二維(第一維是股票，第二維是交 易日)的量?jī)r(jià)數(shù)據(jù)上進(jìn)行矩陣預(yù)算。而在進(jìn)行一致預(yù)期因子挖掘時(shí)，情況變得更加復(fù)雜了一 些，每日每只股票通常包括未來(lái) 2-3 個(gè)年份

4、的預(yù)期數(shù)據(jù)，此時(shí)需要一個(gè)三維數(shù)據(jù)結(jié)構(gòu)來(lái)存 儲(chǔ)數(shù)據(jù)，第一維是股票，第二維是交易日，第三維是預(yù)測(cè)年份，我們把原 始一致預(yù)期個(gè)股數(shù)據(jù)表中的數(shù)據(jù)依次填入到三維數(shù)組中。此外針對(duì)每只股票，每個(gè)交易日都使用最小預(yù)測(cè)年份的一致預(yù)期數(shù)據(jù)，因此還需要構(gòu)建一 個(gè)二維數(shù)組存儲(chǔ)股票在各個(gè)交易日的最小預(yù)測(cè)年份。在構(gòu)造好以上數(shù)據(jù)結(jié)構(gòu)后，我們將通過(guò)一個(gè)簡(jiǎn)單的案例展示因子的計(jì)算方式。如圖表 6 所 示，以因子表達(dá)式 ts_mean(CON_EPS,5)為例，計(jì)算過(guò)程為：1. 首先對(duì)交易日進(jìn)行遍歷，在存儲(chǔ)最小預(yù)測(cè)年份的二維數(shù)組中找到每只股票當(dāng)日的最小預(yù) 測(cè)的年份。如 2021 年 2 月 2 日，股票 000001 和股票 00

5、0002 的最小預(yù)測(cè)年份分別為 2021 年和 2020 年。2. 針對(duì)每只股票在三維數(shù)組中查找過(guò)去 5 個(gè)交易日相同預(yù)測(cè)年份的數(shù)據(jù)，如股票 000001 需要找到(000001,2021/1/27-2021/2/2,2021)的數(shù)據(jù)，而股票 000002 則需要找到 (000002,2021/1/27-2021/2/2,2020)的數(shù)據(jù)。3. 基于每只股票的窗口數(shù)據(jù)，即可以計(jì)算 ts_mean(CON_EPS,5)的運(yùn)算值，該日運(yùn)算完 成后，再進(jìn)行 2021 年 2 月 3 日的計(jì)算，最后將所有交易日的運(yùn)算值合并則可以得到最 終的運(yùn)算結(jié)果。4. 一致預(yù)期數(shù)據(jù)中，可能會(huì)出現(xiàn) ENTRYDATE

6、(入庫(kù)日期)晚于 TDATE(預(yù)測(cè)日期)的情形， 我們針對(duì)此也進(jìn)行了處理，避免使用未來(lái)信息。3.遺傳規(guī)劃一致預(yù)期因子挖掘的測(cè)試流程測(cè)試流程包含下列步驟：1. 數(shù)據(jù)獲取和特征提?。?1) 股票池：全 A 股中具有分析師一致預(yù)期數(shù)據(jù)的股票，剔除 ST、PT 股票，剔除每個(gè)截 面期下一交易日漲停和停牌的股票。 2) 回測(cè)區(qū)間：2012/4/272022/3/31。時(shí)間排前 80%的截面為訓(xùn)練集，后 20%的截面為 驗(yàn)證集。 3) 原始因子。 4) 預(yù)測(cè)目標(biāo)：個(gè)股 20 個(gè)交易日后的收益率。2. 使用圖表 7 中的因子和圖表 8 中的函數(shù)集，生成大量公式，按照遺傳規(guī)劃的流程進(jìn)行公 式的進(jìn)化和篩選。公式

7、適應(yīng)度的計(jì)算：假設(shè)有公式 F，得出該公式在截面 t 上對(duì)所有個(gè)股的 因子向量?后，進(jìn)行行業(yè)市值中性化，并計(jì)算因子的 IC 均值為適應(yīng)度。3. 對(duì)遺傳規(guī)劃挖掘出的因子進(jìn)行 IC 測(cè)試、分層測(cè)試和相關(guān)性分析。4.遺傳規(guī)劃所得一致預(yù)期因子的單因子測(cè)試單因子測(cè)試方法簡(jiǎn)介IC 值分析法因子的 IC 值是指因子在第 T 期的暴露度向量與 T+1 期的股票收益向量的相關(guān)系數(shù)，即? = corr(? ?+1 , ? ? )上式中因子暴露度向量? ?一般不會(huì)直接采用原始因子值，而是經(jīng)過(guò)去極值、中性化等手段 處理之后的因子值。在實(shí)際計(jì)算中，使用 Pearson 相關(guān)系數(shù)可能受因子極端值影響較大， 使用 Spear

8、man 秩相關(guān)系數(shù)則更穩(wěn)健一些，這種方式下計(jì)算出來(lái)的 IC 一般稱(chēng)為 Rank IC。IC 值分析模型構(gòu)建方法如下： 1 股票池：滬深 300 成分股、中證 500 成分股、全 A 股，剔除 ST、PT 股票，剔除每個(gè) 截面期下一交易日停牌的股票。 2 回溯區(qū)間：2012/4/272022/3/31。 3 截面期：每個(gè)交易日作為截面期計(jì)算因子值，與該截面期之后 20 個(gè)交易日內(nèi)個(gè)股收益 進(jìn)行計(jì)算。 4 先將因子暴露度向量進(jìn)行去極值、行業(yè)市值中性化，再計(jì)算處理后的 T 期因子暴露度向 量和 T+1 期股票收益向量的 Spearman 秩相關(guān)系數(shù)，作為 T 期因子 Rank IC 值。 5 因子評(píng)

9、價(jià)方法： a) Rank IC 值序列均值因子顯著性； b) Rank IC 值序列標(biāo)準(zhǔn)差因子穩(wěn)定性； c) IC_IR(Rank IC 值序列均值與標(biāo)準(zhǔn)差的比值)因子有效性； d) Rank IC 值序列大于零的占比因子作用方向是否穩(wěn)定。分層回測(cè)法依照因子值對(duì)股票進(jìn)行打分，構(gòu)建投資組合回測(cè)，是最直觀的衡量因子優(yōu)劣的手段。分層 測(cè)試法與 IC 值分析相比，能夠發(fā)掘因子對(duì)收益預(yù)測(cè)的非線性規(guī)律。也即，若存在一個(gè)因子 分層測(cè)試結(jié)果顯示，其 Top 組和 Bottom 組的績(jī)效長(zhǎng)期穩(wěn)定地差于 Middle 組，則該因子對(duì) 收益預(yù)測(cè)存在穩(wěn)定的非線性規(guī)律，但在 IC 值分析過(guò)程中很可能被判定為無(wú)效因子。分

10、層測(cè)試模型構(gòu)建方法如下： 1. 股票池、回溯區(qū)間與 IC 值分析法相同。 2. 換倉(cāng)：每隔 20 個(gè)交易日換倉(cāng)，在每個(gè)換倉(cāng)截面期核算因子值，構(gòu)建分層組合，在截面 期下一個(gè)交易日按當(dāng)日收盤(pán)價(jià)換倉(cāng)，交易費(fèi)用為單邊 0.2%。 3. 分層方法：先將因子暴露度向量進(jìn)行一定預(yù)處理(下文中會(huì)指明處理方式)，將股票池內(nèi) 所有個(gè)股按處理后的因子值從大到小進(jìn)行排序，等分 N 層，每層內(nèi)部的個(gè)股等權(quán)重配 置。當(dāng)個(gè)股總數(shù)目無(wú)法被 N 整除時(shí)采用任一種近似方法處理均可，實(shí)際上對(duì)分層組合 的回測(cè)結(jié)果影響很小。分層測(cè)試中的基準(zhǔn)組合為股票池內(nèi)所有股票的等權(quán)組合。 4. 多空組合收益計(jì)算方法：用 Top 組每天的收益減去 B

11、ottom 組每天的收益，得到每日多 空收益序列?1 , ?2 , , ?，則多空組合在第 n 天的凈值等于(1+ ?1)(1 + ?2) (1+ ?)。 5. 評(píng)價(jià)方法：全部 N 層組合年化收益率(觀察是否單調(diào)變化)，多空組合的年化收益率、夏 普比率、最大回撤等。因子匯總說(shuō)明因子表達(dá)式和說(shuō)明 通過(guò)所列因子的表達(dá)式可知：1. 上表的因子中，計(jì)算變化率的函數(shù) ts_return 出現(xiàn)次數(shù)最多，說(shuō)明一致預(yù)期數(shù)據(jù)的變化 率是一類(lèi)常見(jiàn)的因子構(gòu)建邏輯。這與一致預(yù)期數(shù)據(jù)的內(nèi)涵相符，分析師對(duì)于上市公司 的預(yù)期產(chǎn)生變化，往往表明公司的基本面發(fā)生變化，可能對(duì)公司未來(lái)的股價(jià)產(chǎn)生影響。2. 上表的一致預(yù)期復(fù)合因子中

12、，主要為數(shù)據(jù)之間的乘除，說(shuō)明這兩種運(yùn)算是構(gòu)建一致預(yù) 期復(fù)合因子的有效方式。3. 除了一致預(yù)期數(shù)據(jù)之間構(gòu)建復(fù)合因子，一致預(yù)期數(shù)據(jù)也可以和真實(shí)的基本面數(shù)據(jù)構(gòu)建 復(fù)合因子。例如，Alpha11 是一致預(yù)期 EP 和 EP 的復(fù)合因子，可將其視為基于一致預(yù) 期 EP 的超預(yù)期因子。4. 改進(jìn)的一致預(yù)期因子中，多出現(xiàn)除以分析師預(yù)測(cè)標(biāo)準(zhǔn)差(DEGREE)的運(yùn)算。根據(jù)文獻(xiàn)1 的研究，2020 年新冠疫情以來(lái)，會(huì)發(fā)生意料之外的地區(qū)流動(dòng)限制，從而增加分析師對(duì) 疫情地區(qū)公司預(yù)測(cè)的離散度。由下圖可知，2020 年以來(lái)分析師預(yù)測(cè)標(biāo)準(zhǔn)差的中位數(shù)相 比前幾年明顯上升。分析師預(yù)測(cè)標(biāo)準(zhǔn)差越小，一致預(yù)期分歧越小，因此在一致預(yù)期

13、因 子的計(jì)算中除以分析師預(yù)測(cè)標(biāo)準(zhǔn)差是一種改進(jìn)因子的方法。因子相關(guān)性分析，因子 IC 測(cè)試和分層回測(cè)結(jié)果匯總Alpha1Alpha4 之間的相關(guān)性較高，實(shí) 際上它們都是一致預(yù)期盈利變化相關(guān)的因子，其他因子間的相關(guān)性則較低。因子詳細(xì)測(cè)試結(jié)果Alpha1 的詳細(xì)測(cè)試結(jié)果：Alpha1 = ts_return(CON_EPS, 60)，因子含義是一致預(yù)期 EPS 在過(guò)去 60 個(gè)交易日的變化 率。由于該因子邏輯簡(jiǎn)明，已經(jīng)被廣泛使用，但仍有一定改進(jìn)空間，改進(jìn)后的因子為 Alpha2。Alpha2 的詳細(xì)測(cè)試結(jié)果：Alpha2 = div(ts_return(CON_EPS, 60),ts_decay_l

14、inear(DEGREE, 60)，因子含義是一致 預(yù)期 EPS 在過(guò)去 60 個(gè)交易日的變化率除以過(guò)去 60 個(gè)交易日分析師預(yù)測(cè)標(biāo)準(zhǔn)差(DEGREE) 的線性衰減加權(quán)值。該因子在 Alpha1 的基礎(chǔ)上，引入分析師預(yù)測(cè)標(biāo)準(zhǔn)差來(lái)進(jìn)行調(diào)整，標(biāo)準(zhǔn) 差越小，一致預(yù)期分歧越小，對(duì)因子取值有正向貢獻(xiàn)。從 RankIC 均值、IC_IR 和多空組合表現(xiàn)來(lái)看，Alpha2 相比 Alpha1 在中證 500 成分 股和全 A 股表現(xiàn)更好。Alpha3 的詳細(xì)測(cè)試結(jié)果： Alpha3 = div(ts_return(CON_ROE, 60),ts_decay_linear(DEGREE, 60)，因子含義是一

15、致 預(yù)期 ROE在過(guò)去 60 個(gè)交易日的變化率除以過(guò)去 60 個(gè)交易日分析師預(yù)測(cè)標(biāo)準(zhǔn)差的線性衰減 加權(quán)值，該因子形式上與 Alpha2 一致，屬于改進(jìn)的一致預(yù)期 ROE 變化率因子。Alpha4 的詳細(xì)測(cè)試結(jié)果：Alpha4 = sub(CON_ROE, ts_min(CON_ROE, 60)，因子含義是當(dāng)前的一致預(yù)期 ROE 值與 過(guò)去 60 個(gè)交易日一致預(yù)期 ROE 最小值之差。Alpha5 的詳細(xì)測(cè)試結(jié)果：Alpha5 = -rank_div(ts_return(inv(CON_EP), 60),ts_decay_linear(DEGREE, 60)，因子先 計(jì)算一致預(yù)期 PE 過(guò)去 6

16、0 個(gè)交易日的變化率和過(guò)去 60 個(gè)交易日分析師預(yù)測(cè)標(biāo)準(zhǔn)差的線性 衰減加權(quán)值，再將二者的排序數(shù)相除并取相反數(shù)，本質(zhì)上是一個(gè)改進(jìn)的一致預(yù)期 PE 變化率 因子。Alpha6 的詳細(xì)測(cè)試結(jié)果：Alpha6 = div(ts_return(CON_GPE, 40),ts_mean(DEGREE, 40)，因子含義是一致預(yù)期 GPE 在過(guò)去 40 個(gè)交易日的變化率除以過(guò)去 40 個(gè)交易日分析師預(yù)測(cè)標(biāo)準(zhǔn)差的線性衰減加權(quán) 值，該因子形式上與 Alpha2 類(lèi)似，屬于改進(jìn)的一致預(yù)期 GPE 變化率因子。Alpha7 的詳細(xì)測(cè)試結(jié)果：Alpha7=div(sub(ts_decay_linear(UP_NUMB

17、ER90, 60),ts_decay_linear(DOWN_NUMBER90, 60), ts_decay_linear(DEGREE, 60)，因子先 分別計(jì)算個(gè)股季度業(yè)績(jī)上調(diào)家數(shù)和下調(diào)家數(shù)過(guò)去 60 個(gè)交易日的線性衰減加權(quán)值，再除以過(guò) 去 60 個(gè)交易日分析師預(yù)測(cè)標(biāo)準(zhǔn)差的線性衰減加權(quán)值。該因子屬于改進(jìn)的預(yù)期業(yè)績(jī)上下調(diào)因 子。Alpha8 的詳細(xì)測(cè)試結(jié)果：Alpha8 = -ts_return(div(inv(CON_BP), CON_EPS), 60)，因子先計(jì)算一致預(yù)期 PB 和一致 預(yù)期 EPS 的比值，再計(jì)算其過(guò)去 60 個(gè)交易日的變化率，最后取相反數(shù)。該因子屬于一致 預(yù)期復(fù)合因子

18、。Alpha9 的詳細(xì)測(cè)試結(jié)果：Alpha9 = ts_return(mul(CON_GPE, CON_CAGR), 60)，因子先計(jì)算一致預(yù)期 GPE 和一致 預(yù)期凈利潤(rùn) 2 年復(fù)合增長(zhǎng)率的乘積，再計(jì)算其過(guò)去 60 個(gè)交易日的變化率。該因子屬于一致 預(yù)期復(fù)合因子。Alpha10 的詳細(xì)測(cè)試結(jié)果：Alpha10 = rank_mul(CON_CAGR, CON_EPS)，因子計(jì)算一致預(yù)期凈利潤(rùn) 2 年復(fù)合增長(zhǎng)率 和一致預(yù)期 EPS排序數(shù)的乘積。該因子屬于一致預(yù)期復(fù)合因子。Alpha11 的詳細(xì)測(cè)試結(jié)果：Alpha11 = div(EP, ts_mean(delay(CON_EP,5), 60)

19、，因子首先將一致預(yù)期 EP 平移 5 天(即 跳過(guò)最近 5 天一致預(yù)期 EP)，再取過(guò)去 60 個(gè)交易日的均值，最后用個(gè)股真實(shí)的 EP 除以該 均值。因子的內(nèi)在含義是個(gè)股當(dāng)前 EP 和前一段時(shí)間一致預(yù)期 EP 均值的比值，可視為一種 超預(yù)期因子。5.總結(jié)和討論本文介紹了基于遺傳規(guī)劃的一致預(yù)期因子挖掘。遺傳規(guī)劃是一種啟發(fā)式的公式演化技術(shù)， 通過(guò)模擬自然界中遺傳進(jìn)化的過(guò)程來(lái)逐漸生成契合特定目標(biāo)的公式群體，適合進(jìn)行因子挖 掘。實(shí)現(xiàn)層面，本文針對(duì)一致預(yù)期數(shù)據(jù)的特點(diǎn)量身定制數(shù)據(jù)處理方案，適配了遺傳規(guī)劃中 的矩陣運(yùn)算算法，使得短時(shí)間內(nèi)進(jìn)行大量因子挖掘成為可能。結(jié)果層面，本文展示了挖掘 出的 11 個(gè)因子及其測(cè)試結(jié)果，因子可解釋性較高，我們也對(duì)因子的構(gòu)建邏輯和模式進(jìn)行了 詳細(xì)分析。分析師一致預(yù)期數(shù)據(jù)蘊(yùn)含豐富的信息，具有深度挖掘的價(jià)值。分析師一致預(yù)期數(shù)據(jù)歸納總 結(jié)了賣(mài)方分析師報(bào)告對(duì)個(gè)股的財(cái)務(wù)指標(biāo)預(yù)測(cè)、評(píng)級(jí)以及關(guān)注情況，是除公司財(cái)報(bào)數(shù)據(jù)、交 易數(shù)據(jù)以外據(jù)，一致預(yù)期數(shù)據(jù)可達(dá)到日頻更新的水平，一定程度上能反映 基本面的高頻變化，具有深度挖掘的價(jià)值。本文使用的一致預(yù)期數(shù)據(jù)包含：一致預(yù)期 EPS、 ROE、PE、PB