因子选股系列：随机签名方法的时序特征提取与量化投资应用.pdf

本研究借鉴粗糙路径理论中的签名方法与储备池计算思想，构建随机签名方法以捕捉金融时序数据的非线性路径依赖特征，并应用于资产收益率估计和组合策略构建。该方法将金融资产收益率时序路径输入受控非线性随机动力系统，通过向前演化将路径几何形态压缩映射至固定维度隐藏层空间，利用岭回归预测预期收益率，并通过最优化夏普比率计算资产权重。

实证检验显示，2021年至今，在创业板50、上证50、深证50中，随机签名策略的年化收益率与夏普比率均显著高于动量组合与等权组合。以创业板50为例，最优参数下策略年化收益率为53.58%，年化夏普比率为1.17，相对等权组合年化超额收益率为27.19%。上证50和深证50中最优策略年化夏普比率分别为1.06和0.81。参数敏感性分析表明，随机签名策略战胜等权组合的比例较高，均在90%以上。

市场信噪比分析表明，随机签名策略的滚动夏普比率与市场信噪比呈现显著关联，策略在大部分环境下表现较好，但在极端高噪声环境下，等权组合表现最好。在中证2000等反转性较强的市场中，策略表现较差。IC分析显示，尽管预测收益率与实际收益率的IC均值较低，但该预测精度在投资组合优化中仍具有变现效能。