金融行業-九坤Kaggle量化大賽有哪些啟示？.pdf

九坤Kaggle量化大賽有哪些啟示？本文梳理 2022 年九坤 Kaggle 量化大賽高分隊伍解決方案，提煉出特征工 程、損失函數、交叉驗證、模型集成四個主要方向，并應用于華泰人工智能 中證 500 指數增強策略改進。結果表明：(1)特征工程引入均值因子對神經 網絡有效；(2)CCC 損失優于 MSE 損失和 IC 損失；(3)時序交叉驗證作用不 明顯；(4) 集成神經網絡和決策樹類模型提升較穩定。對比整合多項改進的 模型與基線模型，回測期 2011 年至 2022 年內，年化超額收益從 14.2%提 升至 17.0%，信息比率從 2.3/2.4 提升至 2.7。

多家頭部量化機構在 Kaggle 發布競賽，九坤競賽貼近實際量化選股場景

隨著數據科學在線社區日益成熟，越來越多的愛好者投身于網絡編程競賽之 中。Kaggle 是全球知名的數據科學在線平臺之一，Two Sigma、Optiver 等 頭部量化機構曾在 Kaggle 發布挑戰競賽。國內量化私募九坤投資于 2022 年 1 月啟動 Kaggle 競賽，吸引兩千多只隊伍參賽。比賽具體任務為基于給 定的 A 股匿名特征，預測股票未來短期收益，最終評價指標為預測收益和 真實收益的 IC 值，屬于典型的監督學習問題，和實際量化選股場景較貼近。

四個改進方向：引入均值因子，引入 CCC 損失，時序交叉驗證，模型集成

我們梳理九坤 Kaggle 量化大賽高分隊伍解決方案，提煉出四個改進方向。(1) 特征工程引入截面上全部股票因子的均值，均值因子可能反映原始因子整體 分布的時變特性，是市場環境的一種簡單表達。(2)損失函數引入一致性相關 系數 CCC，可視作 IC 和 MSE 的融合，兼顧相關性和距離。(3)采用時序交 叉驗證選取最優超參數。(4)集成不同類型機器學習模型。以神經網絡和 XGBoost 構建中證 500 指數增強策略作為基線，測試上述技巧的改進效果。

均值因子對神經網絡有效，加權 CCC 損失回測表現好，模型集成提升穩定

四項改進技巧效果各異。特征工程引入的均值因子對神經網絡有提升，但削 弱了 XGBoost 模型。損失函數中，MSE 表現不突出；IC 損失單因子測試 表現好，但指增組合回測表現差；CCC 損失在單因子測試表現一般，但指 增組合回測表現較好；加權均優于等權。交叉驗證調參改進不顯著，考慮到 時間開銷大，性價比不高，算力有限前提下，使用經驗超參數即可。模型集 成提升較穩定，神經網絡類和決策樹類模型有互補效果。

討論：(1)如何使用弱因子；(2)因子合成和組合優化的目標錯配問題

研究發現均值因子對神經網絡有效但對 XGBoost 無效。均值因子屬于弱因 子，有用但比重不宜過大。XGBoost 引入弱因子后，特征采樣使原始因子 可能被排除在外，從而削弱模型。神經網絡可通過預處理縮小取值，有限度 地使用弱因子。研究還發現 IC 損失單因子測試優于 MSE 損失，但指增組 合表現差，本質是因子合成和組合優化的目標錯配。IC 屬于全局統計量， 不會側重于個別頭部樣本，但這些樣本可能對組合優化影響較大。MSE 的 特點之一是給予極端誤差較大懲罰，恰好彌補IC弱點。CCC融合IC和MSE， 兼顧共性和個性，是一類理想的損失函數。