2023年金融工程2024年投资策略报告：AI时代的科技革新与投资应对

一、宏观因子体系下的资产配置框架

我们自上而下构建了从宏观大类资产到细分板块的研究跟踪体系。包括跨市场的全球宏观因子体系，基于 风险平价策略的战略配置组合，基于普林格周期理论的策略的战术配置组合。对债券类资产构造了中债久期择 时和美债久期择时策略；对股票类资产构建了 A 股上市公司业绩跟踪体系和基于 ETF 资金流入的宽基指数择时 策略。展望 2024 年全年，宏观因子方面，中国增长有望持续上行，美欧中期回落不变，全球金融条件类因子 受益于降息预期有望持续下行。中短期来看，普林格周期将切换为阶段 6，建议配置债券和黄金，久期择时模 型推荐中债 7-10 年和美债 7-10 年长债，A 股业绩跟踪体系确认 A 股主要宽基指数业绩超预期。

1.1、中信建投金融工程宏观因子跟踪：中国短期经济持续修复，美国欧洲短期 回落

经济增长类因子中，美国增长最新值为-0.47，近四周大幅下行-0.82，分项驱动信号主要来自权益、 国债市场，持续回升；欧洲增长最新值为 0.22、近四周小幅下降-0.13，驱动信号来自权益市场；结合制 造业 PMI 来看，欧美增长短期回落，欧美已有衰退迹象。中国增长上行，最新值为-1.34，近四周小幅上 行 0.16，分项信号来自权益、汇率市场，结合 PMI 来看，短期经济持续修复。

金融条件类因子中，美国、欧洲、中国的金融条件指数最新值分别为 99.94，101.78，103.54，近四周分别 变化-0.71、-0.2、-1.97，总体来看，随着美国通胀降温，美联储温和表态，全球金融条件有望舒缓。

1.2、战略配置组合（风险平价）：过去 1 年收益 2.83%，区间最大回撤-0.31%

选取对涵盖股票、债券、商品三大类的 7 种国内资产，构建基于资产和基于主成分宏观因子的月频 调仓风险平价策略，其中后者是宏观因子在资产配置中，仅基于风险进行配置的应用。选取的具体标的 为：权益资产中的沪深 300 全收益、中证 1000 全收益指数，债券资产中的中债国债总财富 1-3 年指数、 中债国债总财富 3-5 年指数、中债国债总财富 7-10 年指数及中债信用债总财富指数，商品期货中的金指数。 每月末求解各资产的权重，使得各资产对组合的风险贡献相等，具体参见《理论与应用指南：风险平价详 解》一文。从策略的表现来看，自 2010 年 3 月以来，风险平价策略取得了 3.84%的年化收益率，年化波动率 1.76%，最大回撤-2.37%，夏普比率 2.19，月度胜率 74.2%，双边年化换手率 38%。策略最近 12 个月收益率 2.83%，最大回撤-0.31%。

2023 年 11 月，策略在沪深 300、中证 1000 上的权重分别为 2.1%和 1.6%，在债券资产中选择中债国债总 财富 1-3 年、3-5 年、7-10 年指数和中债信用债总财富指数上的权重分别为 31.9%、17.7%、13.2%和 30.7%，在 沪金上的配置比例为 2.7%。

1.3、中信建投金融工程普林格周期配置模型跟踪

普林格周期脱胎于美林时钟模型，在美林时钟模型增长/通胀的基础上加入信贷指标来更好的适应货币主义时代。在普林格周期中，使用先行指标（M1、M2 同比），同步指标（GDP 同比、工业增加值同比），滞后指 标（PPI 同比）三个指标来衡量经济周期，将经济周期划分为六个阶段，并计算了在上述各个阶段中各类资产 的回报率和股票不同风格回报率，结果表明，在经济周期各个阶段的轮换中，不论是大类资产还是股票风格， 其收益率均有所分化，优势品种有超越大市的表现。

在经济周期第一阶段，央行仍实行宽松的货币政策，继续增加货币供应量，推行各种财政政策刺激经济。 从资产配置的角度看，此时一般短期利率会上行，同时债市经历熊市之后也将迎来拐点，因此债券与现金成为 这一时刻的优质资产。但是在这一阶段，生产与通胀仍处于下降区间，高波动资产依然有相当高的风险，不建 议配置。 在经济周期第二阶段，通货膨胀继续回落，GDP 增长率开始上升，虽然闲置的生产力还没有完全的利用起 来，但企业的利润率已企稳开始回升，同时央行为了使经济全面恢复会持续增加货币供给。从资产配置的角度 看，这时权益市场筑底完成，是配置的最佳时期，建议高配。

在经济周期第三阶段，三指标同步上行，经济全面恢复，企业利润率高速上行。从资产配置角度看，此时 各行各业生产力火力全开，对原材料需求较高，商品迎来行情，此使股票受益于企业基本面快速抬升以及经济 上行的预期会获得普涨，此阶段建议高配股票和商品。 在经济周期第四阶段，生产增长开始减缓，通货膨胀上升。GDP 增长虽然在上升，但增速已明显放缓，为 抑制过热的投资，央行开始加息减少货币供应量。从资产配置角度看，由于股票投资收益依赖企业的利润率和 利率水平，商品是最佳的资产配置选择，同时股票也有一定的配置价值，但是需要重点关注盈利支撑。 在经济周期第五阶段，GDP 增长降低到长期增长趋势以下，但是通货膨胀依然继续上升，经济进入滞胀阶 段。从资产配置角度看，权益市场已经疲态初现，不建议配置，而商品处于最后的疯狂，可以配置但是有一定 的风险，此时黄金成为最优资产。 在经济周期第六阶段，三指标同步下行，经济增长严重乏力，从而导致了通货膨胀开始下降，企业利润率 也遭遇滑铁卢。从资产配置角度看，此时建议配置避险属性明显的黄金与债券，其中债券以现金更优。

改进版普林格周期配置建议跟踪

根据我们的改进版普林格周期，普林格六周期信号更新：阶段 6。尽管 M2 同比依然是 10%的正增长，但 是结合 M1 同比 1.9%的增速我们认为目前先行指标处于下行状态，GDP 三季度同比增速相比二季度有所放缓， 结合宏观环境我们判断同比下行尚未结束，同步指标处于下行区间，PPI 在前期回升后目前迎来调整，我们认 为此次调整仍未结束，滞后指标下行。建议中短期配置债券和黄金。 根据我们改进的普林格周期理论构建的策略，过去 7 年年化收益 21.78%，夏普比率 1.72，最大回撤-6.38%， 分年来看，过去 7 年策略均获得正收益。

1.4、中信建投金融工程中债久期择时&美债久期择时策略

我们针对中债和美债市场分别构造了久期择时策略。策略每季度末选择未来一年预期收益率最高的期限品 种进行集中持仓，当策略一段时间表现不佳时选择将持仓信号改为动量信号，即选择过去一段时间表现较好的 品种进行集中持仓。

中债久期择时策略从 2022 年 11 月 30 日开始样本外跟踪，截至 2023 年 10 月底，中债久期择时策略累计 绝对收益 2.3%。 我们基于 2023 年 9 月底模型信号对 2023 年四季度持仓进行决策，中债久期择时策略选择中 债 7-10 年国开行债券（易方达 7-10 年国开行 A）进行持仓。 美债久期择时策略从 2022 年 12 月 31 日开始样本外跟踪，截至 2023 年 10 月底，美债久期择时策略累计 绝对收益 0.4%。我们基于 2023 年 9 月底模型信号对 2023 年四季度持仓进行决策，美债久期择时策略选择彭博 美国 7-10 年国债指数（Invesco US Treasury 7-10 Year UCITS ETF）进行持仓。

1.5、上市公司业绩跟踪体系

根据 A 股上市公司业绩跟踪体系，沪深 300，中证 500，创业板指超预期值均高于同期均值。从三季报的 情况来看，三大指数的超预期程度均有所回升，上市公司的业绩整体边际修复。伴随财政政策发力，宏观环境持续修复，我们相信上市公司业绩修复速度有望加快。建议在市场整体基本面边际修复的情况下，精选受益于 中国经济内生增长的超预期个股。 通过回测，最近 5 年（2019 年-2023 年）我们的 A 股指数择时模型沪深 300 择时准确度为 75%，中证 500 择时准确度为 60%，创业板指择时准确度为 50%。

1.6、中信建投金融工程机构资金流择时系列: 利用 ETF 资金流入构造指数择时 策略

我们对 ETF 过去一段时间区间的收益以及净流入进行象限划分，并考察每个象限占比以及未来收益情况。 其中，当指数和资金同增时为第一象限，指数下跌但净流入为正时为第二象限，以此类推。

策略换手率方面（由于策略存在做空，将做空和做多方向均算做 1 次交易，从做多向做空算 2 次交易）， 日频平均年换手 52.7 倍，我们同样测试了该方法在周频和月频的效果。周频平均年换手 20.1 倍，月频平均换 手 9.6 倍。 策略在周频和月频下年化收益分别为 18.55%和 16.3%。 该模型在行业类 ETF 内均没有较好效果，可能与行业类 ETF 中标的尽管同属一个二级分类，但标的间可能 有较大差异有关，例如科技类 ETF 下辖 13 个子分类。而在宽基类中，除本文已探索的沪深 300 外，在上证 50、 创业板 50 和创业板指有较好效果，其中创业板 50 择时年化 32.05%，收益波动比 1.17，远高于原 ETF。而在中 证 1000 和中证 500 中效果较差。 最新跟踪结果中，我们对沪深 300 持看多意见，而对创业板持谨慎。

二、量化视角下的行业比较与展望

2.1、行业量化基本面跟踪体系

行业的一个基本面信息来自中观的量化基本面。我们通过构造量化基本面指标，对单个行业进行择时，具 体方法为：通过阅读行业研究深度报告，厘清行业逻辑和重要指标，构建待选指标池，测试其中的指标和 ROE 的相关性，选取和 ROE 相关性高的指标计算和行业相对万得全 A 指数超额收益的相关性；最后选择和 ROE、行 业超额收益都高相关的指标构造单行业择时策略。

2.2、财务指标跟踪体系

根据最新可得的实际财务数据，我们梳理了涵盖偿债能力、成长能力、收益质量、现金流量、盈利能力、 营运能力、资本结构等七个维度，总计 49 个财务指标。 由于多数财务指标的逻辑对金融地产相关行业适用性较低，针对中信一级行业构建财务因子（包括下文的 分析师预期指标）时，不包含银行、非银行金融、房地产、综合金融四个行业。 考虑到权益市场边际定价的特征，并且财务指标都是比率值或增长率类数值，其一阶差分和二阶差分计算 方便且可以横向比较。因此对每个财务指标，在使用指标原始数值作为因子的基础上，我们进一步计算其环比 增量因子、二阶差分因子。 总体来看，对财务指标因子的测试表明，就行业之间的横向比较和优选而言，较为有效的财务指标类别包 括盈利能力和成长能力类的环比增量因子，以及成长能力类的原始因子；即盈利和成长能力相关指标及其边际 变化对行业的选择有重要参考意义。

上述财务单因子中，对同一指标类型、同一构建方式下的不同因子，存在相关系数较高的情况下，保留其 中夏普比率较高的多头组合，及夏普比率、胜率综合较高的第 1 或 5 组组合。 根据表中的组合构建符合因子的方式为：对符号多头组合，各组合的持仓行业赋予权重 1，非持仓行业赋 值 0，对分组组合，各组合的持仓行业赋予权重 0.5，非持仓行业赋值 0，从而得到单期各行业的复合财务因子。 根据复合财务因子对行业从高到低分 5 组测试，当出现单期排名相同的情况时，向前追溯往期得分，直至 可以完全区分各因行业的排序为止，将最终的排名作为分组依据。

2.3、分析师预期跟踪体系

我们分别计算单季度 ROE 数值、单季度 ROE 环比增量、ROE-TTM 数值、ROE-TTM 环比增值四种类型的实 际行业 ROE 因子，并使用不同的报告期作为数据计算节点：历史_报告期 0（与实际财务数据完全可得的最新 报告期）、未来_报告期 1（历史报告期 0 的下一报告期）、未来_自然季 0/1/2（计算时点所属季度对应的报告期 或以此向后顺延 1-2 个报告期）。其中，历史_报告期 0 为实际类因子，其余四种报告期的计算均使用了未来信 息。 我们对未来的 ROE，计算行业预期 ROE 的上调比例/环比变化因子，选择取值前 4 的行业构造多头策略。预期调整类的 ROE 因子的表现明显好于行业预期 ROE 数值因子，其中各有一个 因子的年化超额收益率超过 5%，夏普比率接近 0.3。

2.4、中信建投金融工程六维度行业轮动策略样本外超额年化 10%

根据自上而下，结合宏观、量化基本面、财务因子、分析师预期、机构偏好、量价技术和资金流等维度， 我们构建了六维度综合行业配置模型，并自 2022 年 2 月开始对外跟踪。 自 2008 年至初 2023 年 10 月 31 日，模型年化收益率为 14.07%，相对行业等权组合的年化超额收益率为 11.28%，除 2008 年以外，其余年度均获得正超额收益。 2023 年以来（截至 10 月 31 日），六维度行业轮动模型累计收益率为 3%，相对行业等权超额收益率为 6.4%。 自 2022 年 2 月对外跟踪以来，模型累计收益率 7.6%，相对行业等权超额收益 18.61%，月度超额胜率为 67%。

2.5、中信建投金融工程基金经理跟踪体系

在使用卡尔曼滤波方法高频精准测算基金仓位的前提下，我们考虑构造行业轮动策略。具体做法为：在每 个时点截面，选取可得信息中长期能力因子排序前 20 的基金，这里的可得信息指长期能力因子的计算披露在 每个月的 3 月和 9 月，在一年中的若干时点需要考虑到这一点。 根据 20 只基金的行业仓位测算平均，按照仓位变化排序，取前 3 只和后 3 只（3 只即为前 10%）配置空头 组合，选取优选基金重仓的前 3 个行业后 3 个行业（前 10%，后 10%）进行多头配置。 同时为了防止样本期内过度调参在样本期外失效的问题，在这里我们在每个月计算组合时，在过去时间段 的多个参数组计算每组的收益波动比，将收益波动比最高的一组参数组输入进当月使用参数，计算该月多空行 业组合。 我们保证最少有两年的数据用于参数寻找。因此回测从 2018 年 6 月开始。

三、选股策略--量化 AI 的神秘 alpha

3.1、公募量化基金突围：规模数量迎新高，熊市防御属性提升配置价值

截至 2023 年 3 季度，市场总计公募量化基金 459 只，其中主动量化基金 222 只，对冲量化基金 23 只，指 增量化基金 200 只；规模共计 2989.57 亿元，其中主动量化 1098 亿元，指增量化 1575 亿元。 量化基金总计同比增加 75 只，今年以来新增 51 只，规模同比增加 721 亿元，增长 35.55%，今年以来新增 541 亿元，增长 24.51%。相比整体主动权益基金的规模缩减以及公募量化去年的全年规模下跌而言，这个成绩 体现了市场重新对量化产品产生足够的关注和信心。

我们统计市场中公募量化基金按照公司聚类各个产品的规模集中度，我们关注 CR5 和 CR10 指标，反应市 场头部 5 家（10 家）基金公司管理的产品规模占全市场的规模占比。2023 年以来，主动量化产品的头部效应 逐渐加剧，CR5 和 CR10 均上升，表示头部公募量化基金公司在主动量化产品领域对市场的话语权在今年变得 更强。 而在指数增强领域则是相反的一片景象：CR5 和 CR10 均持续了多年的下跌，这种下跌趋势在今年并未停 止，反而愈演愈烈，这表明在指数增强基金的市场，2019 年以前头部基金公司所建立的绝对优势依然在瓦解，指数增强基金市场也将进入更为多元化的时代。

我们编制主动量化基金和主流指数增强基金的指数，每个季度调整。截至 2023 年 11 月 17 日，主动量化 今年以来绝对收益-5.58%，相对普通股票型基金超额收益 3.17%。我们对 300、500 和 1000 的指数增强基金采 用各自的全收益指数作为其基准，考察各自的超额收益，300、500 和 1000 指增今年各自的超额为-1.49%、- 1.36%和 1.49%。

我们考察各个类别量化基金在过去 2018 年至今各年超额收益，可以发现主动量化在市场相对较弱的时间 段均能跑出稳定的超额收益，而在市场上行的阶段相对普通股票基金的收益则显得稍弱。 尽管在今年 300 和 500 的指增相对各自全收益指数的超额收益有限，但在长时间视角看，指数增强基金相 对基准的超额收益仍然可观。

我们统计主动量化基金的换手率中位数，可以看到 2021 年以来，主动量化的换手率逐年提升，今年截至 上半年半年报统计，主动量化换手率依然在提升。 同时我们计算主动量化的投资覆盖度，计算方法为统计所有主动量化披露全持仓的股票集，然后验证该股 票集在主流宽基指数上的占有率，这个数值越高表明主动量化基金的投资覆盖度越广。 我们统计了主动量化基金相对沪深 300、中证 500、中证 1000、国证 2000、全 A 包括今年火热的万得微盘 股指数的覆盖度。结果显示主动量化基金在沪深 300、中证 500、中证 1000 和国证 2000 的覆盖度均超过 90%， 除去很早就达到高覆盖度的沪深 300 和中证 500（二者在 2021 年就已超过 95%覆盖），主动量化在中证 1000 和 国证 2000 的覆盖度同比去年 2 季度分别提升 15%和 20%。而在微盘股领域，主动量化在去年年末就已经达到 86%的覆盖度，今年年中覆盖度提升至 95%以上，而在 2021 年年初主动量化对微盘股的覆盖度仍不足 35%。 最后在全 A 上，覆盖度同比去年年末提升 1%。

和投资覆盖度变广对应的，是主动量化基金在市值上的下沉更为明显。我们统计主动量化基金在 Barra 因 子上的平均暴露，可以看到在市值上的暴露逐渐降低，体现了选股的市值下沉效应，同时，主动量化对于价值、 波动率和流动性因子的关注度提升，体现在对这三个因子的暴露均变高上。

3.2、选股策略今年表现优异：中证 500 增强今年超额 15.05%，沪深 300 增强 今年超额 5.11%

中信建投的多因子组合基于常见的大类因子以及分析师因子构建，通过有效性检验精选有效因子，并结合 中信建投的六维度行业轮动结果，实现对好行业+好个股的优中选优。中证 500 指数增强组合沪深 300 指数增 强组合均为月频调仓。 今年以来，中信建投金融工程中证 500 指数增强组合实现收益 10.47%，相对中证 500 超额收益 15.05%， 信息比 2.46，从 2010 年跟踪以来，年化 20.58%，相对中证 500 年化超额收益 18.33%，信息比 1.9。 同时，今年中信建投金融工程沪深 300 指数增强组合实现收益-3.13%，相对沪深 300 超额收益 5.11%，从 2016 年跟踪以来，年化 23.99%，相对沪深 300 年化超额收益 20.49%，信息比 1.75。

3.3、中信建投金融工程基本面 OPENFE 今年绝对收益 20.59%，超额 23.63%

在之前的系列报告中，我们介绍过深度学习模型 DeepLOB 和基于进化算法的 AlphaZero，DeepLOB 通过巧 妙设计数据结构以及网络结构，使得每一层生成的因子具有一定的经济学意义，AlphaZero 是基于进化算法的 因子挖掘框架，两者分别代表了深度学习以及启发式算法在因子挖掘中的应用。本文我们将 openFE 框架应用 于基本面因子挖掘，不同与以上两种方法，openFE 是一种基于枚举法的 Expand-And-Reduce 框架，能够高效的 检验大量因子（>106）。 三种方法分别代表了深度学习，启发式算法以及枚举法在因子挖掘中的应用，深度学习法的优点在于效率 较好且样本内效果最好，缺点是生成的因子无法解释且要求算子可导。启发式算法效率介于枚举法和深度学习 之间，能够生成批量因子，因子解释性一般，无法保证找到全局最优。枚举法是一种暴力算法，一般生成的因 子形式都较为简单，可解释性较好，生成因子数量较多，导致逐一检验时效率较低，因此需要对因子检验的效 率进行优化。

不同于 AlphaZero 用于量价因子挖掘，openFE 生成的因子结构较为简单，可解释性较好，因此非常适合用 于基本面因子挖掘。本文采用三大报表中的数据作为基础特征，在此基础上构建合成因子，通过 openFE 进一步筛选，保留表现较好的因子作为新的合成因子。 OpenFE 是一个基于枚举法的 Expand-And-Reduce 框架，首先通过基础特征以及算子的排列组合构建具有 一定结构的风格因子。而后通过两步的筛选步骤，对因子进行筛选，保留最终特征重要性最高的因子。 基础特征采用三大报表中的数据（资产负债表，损益表，现金流量表），其中资产负债表为时点数据，损 益表和现金流量表为时期数据，我们将损益表和现金流量表中的数据均转为季频数据。 三大报表中的字段共计有 100 多，大部分字段缺失值较多，对于缺失值大于 10%的字段，予以剔除。利用 剩下的所有字段训练一个 LGBM 模型，保留每张报表内重要性排名前 15 的因子。在这些因子的基础上，再加 入市值，行业，动量（过去一个月收益率）三个对股票收益解释度非常高的因子。共计 45个基础特征以及 3个 额外添加的特征。

为使得因子具有较好的可解释性，采用一些较为简单的算子，包括四则运算（+，-，*，/）、同比算子 （YOY）、环比算子（QOQ）、以及横截面排序算子（CSRank）。 如果采用暴力方式进行排列组合，即使是简单的二阶因子，以上因子以及算子能够组合出~109 个因子，难 以进行处理。 不同类型的风格因子往往具有一定的结构特征，例如常见的 PE,PB,PS 等估值因子均为简单的一阶因子， 分子端净利润/净资产/主营业务收入来自三大报表，分母端为总市值。在构造估值类合成因子时，我们将其扩 展为二阶因子，具体做法为分子端的单因子改为 a±b 的形式，其中 a，b∈损益表/现金流量表/资产负债表，分 母端为总市值，当 a=b，且算子为+时，此二阶因子等价于 PE。 同理，借鉴资产负债率，ROE，净利润现金比率，PE，净利润同比增长率等因子结构，本文构建了杠杆因 子，收益因子，质量因子，估值因子，成长因子共 5 类风格因子，因子结构如下表所示。因子均为二阶因子 （不考虑 CSRank），总因子数量~70 万左右。

原始的 70 万因子逐一检验效率较低，openFE 采用两步的筛选方法，极大的提高了筛选效率。在第一步筛 选中，采用了 successive halving（连续二分法）进行单因子检验。具体做法是首先采用部分小样本，对每一类 风格的所有因子进行单因子模型 LGBM的训练，计算特征的模型表现。下一轮增加样本数量，保留第一次训练 中表现较好的部分因子，再此进行训练，以此类推，不断增加样本数量，减少因子数量，直至用全样本训练， 得到最终筛选的因子列表。 利用最终筛选得到的 10 个基础因子以及 50 个合成因子，构建选股模型。具体做法是从 2020 年 1 月 31 日 起，每月滚动训练 LGBM 模型，模型的输入为过去 10 年的月频因子，预测目标为未来一个月收益率。训练集 长度为 9 年，测试集为 1 年，按照时间先后进行切分。股票池为全 A 股票，剔除其中的次新股，ST 股，涨跌停 股票以及流动性过低的股票（日成交金额<500 万或者换手率<0.02%）。每次调仓等权买入得分最高的 400 只股 票。

3.4、量化 AI 再创新:基本面因子与量价因子融合模型

本文我们尝试将不同类型数据进行融合，传统融合方式有两种，一种是模型融合，主要是采用 stacking 的 方式，将不同基模型的预测结果输入元模型，得到最终的预测结果。这种方法的优点在于各模型之间相对独立， 可以根据不同类型的数据采用不同的模型。缺点在于模型训练效率较低，且由于是两层训练，对于训练所需数 据量要求较大。 第二种方法是因子融合，将因子进行处理后使用一个统一模型进行预测，通过模型自行调节各因子权重， 能够较为高效的构建模型框架。 本文采用因子融合的方式对数据进行融合。

我们尝试在 OPENFE的基础上，不断在加入其他类型的因子，在融入更多因子之后，模型的表现会有较大 的提升。 将 4 类因子作为输入的 Model4 表现最好，对比单一类型输入的 Model1，多头组的年化收益提升了大约 10%，空头组的收益也降低了超过 10%。

3.5、量化 AI 再创新:基于领域知识生成的基本面因子挖掘框架

由于因子空间过大，传统的因子挖掘方法无法有效搜索整个空间寻找最优解。 本文我们利用遗传规划算法生成领域知识，再结合枚举法批量生成因子，对因子进行检验，能够高效的挖 掘效果稳定的因子。

利用启发式算法（遗传规划）生成适应度较高的种群，分析种群内个体的基因以及结构。得到优秀个体的先验信息。 再利用这些信息，结合枚举法批量产生类似的因子进行分析，筛选最终效果较好且相关性较低的个体。 遗传规划算法是一类启发式算法，将因子作为个体构建种群，种群中的个体不断发生交叉变异以及个体变 异，使得种群内个体的适应度不断提高，从而批量生成有效因子。基于不同的随机种子运行遗传规划算法，可 以得到性质不同的种群。 在构建个体时，采用基本的财务报表数据以及成熟的财务因子，且对数据进行量纲化处理，最终构建的个 体要求为无量纲因子。

采用因子 20日 IC作为个体适应度标准，为了提高因子挖掘的效率，每 10日采样一次。训练集样本从 2010 年至 2019 年共计 10 年数据。 对生成的优秀个体进行剪枝操作，剔除冗余结构，进一步分析他们的基因结构，得到优秀个体的基因以及 结构共性，其中基本面因子共有 5 种结构，15 个基因组，其中利润增长、盈利质量（ROA、ROE、销售费用/ 营收）以及两者之间的复合结构基因占比较高。估值因子共 4 种结构，15 个基因组，其中 PE 类指标基因占比 较高，E 端需要用现金流量指标进行修正。

3.6、量化 AI 再创新:基于 Graph Embedding 的行业因子向量化

传统方法在处理行业因子信息时通常采用 one-hot 将行业转变为哑变量进行处理（对于某些特殊模型，可 以采用 category 变量）。这两者均无法表示行业之间的内在关联关系。且哑变量为稀疏矩阵，信息密度较低， 增加了计算开销。 本文利用行业相关性矩阵构建图结构，采用 Graph Embedding 的算法 Node2vec 将行业因子进行向量化处 理，得到的行业因子能够有效的包括行业内在相关性。 嵌入（Embedding）是指一个数学结构经映射包含到另一个结构中。某个物件 X 称为嵌入到另一个物件 Y 中，是指有一个保持结构的单射 f: X→Y，这个映射 f 就给出了一个嵌入。 万物皆可 Embedding（word embedding、item embedding、graph embedding），经典的 Word Embedding 算 法包括： Word2vec、 GloVe、FastText 等，大语言 Embedding 模型 ： BERT、EloMo、GPT 等。 Word2Vec 是经典的将文本转为向量的方法，通过 CBOW 或者 Skip-Gram 的方式进行训练。

传统方法在处理行业因子信息时通常采用 one-hot 将行业转变为哑变量进行处理（对于某些特殊模型，可 以采用 category 变量）。两者均无法表示行业之间的内在关联关系，且哑变量为稀疏矩阵，信息密度较低，增 加了计算开销。 可以直接采用 Word Embedding 提取行业名称的向量，能够反映行业之间的关系，但与二级市场的行业关 系存在一定的区别，此关系主要来文本资料，映射到二级市场会发生一定的改变。但是模型为单次训练，无法 回测。 构造有权完全无向图，指数收益率相关性矩阵作为邻接矩阵，节点为行业，边为行业之间的相关性，使用 Node2vec 对行业因子进行 embedding。

3.7、量化 AI 再创新:基于 TiDE 及其改进的因子融合模型

自从 GOOGLE 在 2017 年的经典论文 Attention is All You Need 中提出 Transformer 架构以来，在各类 NLP 任 务中，Transformer 取得了巨大的成功。不仅如此，在计算机视觉领域，Transformer 也逐渐占据主流。整个 Transformer 结果可以分为左边的 encoder 部分以及右边的 decoder 部分，两者均是基于 N 个 multi-head attention 模块构建而成，区别在于在 encoder 部分，所有输入均为已知， 因此采用并行计算，而在 decoder 部分，信息是按顺序推理得到，因此采用的是所谓 masked multi-head attention，是一种顺序串联的结果。 Attention 具有排序不变性的特点，即改变输入的顺利并不会改变最终的计算结果，为了加入输入的位置信 息，在原始 Transformer 中需要单独进行位置编码（positional encoding）的操作。

在时间序列问题中，基于 Transformer 的模型也不断被提出。包括 Informer，Temporal Fusion Transformer, PatchTST 等，也取得了较好的结果。 在逐鹿系列报告中，我们也曾将 Temporal Fusion Transformer 应用于选股领域。TFT 模型最大的特点在于 Encoder 部分采用了 LSTM 结构，能够更好的处理因子的时序信息。

在 2022 年的论文“Are Transformers Effective for Time Series Forecasting?”中，作者提出了一种简单的 MLP 结 构 LTSF-Linear。通过在不同数据集上的对比表明，Linear 模型在大多数问题上均能取得 SOTA 的结果。 基于此，后续出现了许多 MLP 结构的时序模型，其中具有代表性的模型为华为的 MTS-Mixers 以及 google 的 TSMixer,TiDE 等。 在 2023 年 google 的论文 Long-term Forecasting with TiDE: Time-series Dense Encoder 中提出了基于 MLP 的 TiDE 模型。与 google 之前的模型 Temporal Fusion Transformer 相类似，在 TiDE 中，作者也将三种不同类型的变 量作为输入，分别为静态变量，过去已知变量，未来已知协变量三种变量经过拼接之后进入线性的 Encoder 和 Decoder 结构，最终与已知变量的残差求和得到最终的预测结果。整体结构比较简洁，具有很高的时间和空间 效率。

Attention 与 MLP 结构均具有排序不变性，在 Transformer 和 TiDE 中，为了保留时序信息，分别采用了位置 编码和时间变量的方式加入时序信息，但是这些方法均不能很好的处理时序信息。 在之前的 TFT 模型中，作者采用了 LSTM 作为 Encoder，能够很好的提高模型的时序信息处理能力，借鉴 TFT 的思路，我们在 TiDE 中同样加入 LSTM/GRU 单元，增加模型的时序信息处理能力。 由于我们的标签为未来 T 天的收益率，在将 y 作为输入特征时，需截取 L-T 的时间长度。其中 L 为时间序 列长度，T 为预测周期长度。

编辑：火腿肠