因子選股系列：隨機簽名方法的時序特征提取與量化投資應用.pdf

本研究借鑒粗糙路徑理論中的簽名方法與儲備池計算思想，構建隨機簽名方法以捕捉金融時序數據的非線性路徑依賴特征，并應用于資產收益率估計和組合策略構建。該方法將金融資產收益率時序路徑輸入受控非線性隨機動力系統，通過向前演化將路徑幾何形態壓縮映射至固定維度隱藏層空間，利用嶺回歸預測預期收益率，并通過最優化夏普比率計算資產權重。

實證檢驗顯示，2021年至今，在創業板50、上證50、深證50中，隨機簽名策略的年化收益率與夏普比率均顯著高于動量組合與等權組合。以創業板50為例，最優參數下策略年化收益率為53.58%，年化夏普比率為1.17，相對等權組合年化超額收益率為27.19%。上證50和深證50中最優策略年化夏普比率分別為1.06和0.81。參數敏感性分析表明，隨機簽名策略戰勝等權組合的比例較高，均在90%以上。

市場信噪比分析表明，隨機簽名策略的滾動夏普比率與市場信噪比呈現顯著關聯，策略在大部分環境下表現較好，但在極端高噪聲環境下，等權組合表現最好。在中證2000等反轉性較強的市場中，策略表現較差。IC分析顯示，盡管預測收益率與實際收益率的IC均值較低，但該預測精度在投資組合優化中仍具有變現效能。