金工深度研究：基于籌碼分層結(jié)構(gòu)的端到端AI因子.pdf

本文研究了基于籌碼分層結(jié)構(gòu)的端到端AI因子構(gòu)建方法及其在指數(shù)增強(qiáng)組合中的應(yīng)用?；I碼分布反映了市場(chǎng)參與者在不同成本區(qū)間上的存量持倉(cāng)結(jié)構(gòu)，是刻畫投資者盈虧狀態(tài)、交易摩擦和行為博弈的重要量?jī)r(jià)特征。研究從籌碼齡和投資者類型兩個(gè)維度構(gòu)建籌碼分層結(jié)構(gòu)，并利用CNN+GRU模型進(jìn)行端到端建模。

實(shí)驗(yàn)結(jié)果顯示，籌碼分層結(jié)構(gòu)中蘊(yùn)含較強(qiáng)的非線性Alpha信息。其中，籌碼齡分層端到端因子表現(xiàn)最優(yōu)，在2016-12-30至2026-05-29的回測(cè)區(qū)間內(nèi)，單因子RankIC達(dá)12.3%，多頭組年化超額收益為32.5%，信息比率為4.21。該因子表現(xiàn)優(yōu)于投資者類型分層因子，且與日K線、周K線等傳統(tǒng)AI量?jī)r(jià)模型相比具有較低的相關(guān)性和一定的增量信息。消融實(shí)驗(yàn)表明，剝離籌碼齡分層信息或弱化價(jià)格分布形態(tài)均會(huì)導(dǎo)致因子表現(xiàn)明顯下降，驗(yàn)證了模型設(shè)計(jì)的有效性。

在因子合成及指增組合測(cè)試中，將籌碼結(jié)構(gòu)因子加入基準(zhǔn)AI合成因子，構(gòu)建的指數(shù)增強(qiáng)組合表現(xiàn)優(yōu)于基準(zhǔn)。在相同回測(cè)區(qū)間內(nèi)，加入籌碼結(jié)構(gòu)因子后RankIC約14.0%，相比基準(zhǔn)因子多頭超額提升約2.1 pct。具體而言，中證1000指數(shù)增強(qiáng)組合的年化超額收益由19.0%提升至21.2%，信息比率由3.29提升至3.53，超額最大回撤由8.5%下降至7.7%。滬深300和中證500指數(shù)增強(qiáng)組合的年化超額收益也有所改善。研究指出，未來(lái)可通過(guò)日內(nèi)Level2數(shù)據(jù)進(jìn)行更精細(xì)的建模，并嘗試基于Transformer等模型結(jié)構(gòu)進(jìn)行端到端建模。