金融工程行業分析：“逐鹿”Alpha專題報告，分鐘因子模型.pdf

金融工程行業分析：“逐鹿”Alpha專題報告，分鐘因子模型。本文通過對 A 股市場日內微觀結構的分析，我們成功構建了一個 基于分鐘因子模型的隔夜交易策略。策略采用集成學習，融合了 LightGBM 在截面數據上的優勢和我們自研的 pegformer 模型在 時間序列上的強大捕捉能力。在 2022 年至 2025 年 7 月的樣本外 測試中，該策略表現出卓越的盈利能力和穩健性。預測因子 IC 均值達到 0.087，信息比率高達 9.136。在千 2 的交易成本假設下， 策略能實現超過 64.15%的年化超額收益和 3.53 的夏普比率。

簡介

本文在分鐘頻率上構建預測因子，并結合股票的日內交易模式與 微觀結構特征，利用機器學習算法訓練端到端的分鐘頻預測模 型。

日內股價形態特征

A 股市場呈現一個顯著的日內特征：上下午交易時段的趨勢存在 明顯差異。上午時段，股價整體呈現穩步上升趨勢，尤其在開盤 后半小時內拉升最為迅猛。下午時段，股價則轉為震蕩下行，尾 盤出現拉升。

因子構建

本文使用 Alpha158 與 Factor Zoo 分鐘頻因子集。根據特征重要性 排序，篩選出排名前 20 的因子作為模型的最終輸入。

模型

為了充分利用數據特性，在模型架構上，我們采用集成策略。融 合了兩種互補的模型：一是經典的 LightGBM，通過滾動訓練的 方式使其動態適應市場變化；二是 pegformer，通過增量學習提 高訓練效率。將兩個模型的預測信號進行集成，生成最終的交易 決策。

結果

在樣本外測試中，預測因子 IC 均值達到 0.087，信息比率高達 9.136。在千 2 的交易成本假設下，策略能實現超過 64.15%的年 化超額收益和 3.53 的夏普比率，即使在較高的交易成本壓力測試 下，依然能取得顯著的超額收益。