量化技术分析报告：DFQ-FactorVAE，融合变分自编码器和概率动态因子模型的alpha预测方案.pdf

金融工程|专题报告

DFQ-FactorVAE：融合变分自编码器和概报告发布日期2024年05月14日

率动态因子模型的alpha预测方案

——因子选股系列之一〇三

研究结论

FactorVAE模型架构

⚫FactorVAE模型，来自国际人工智能会议AAAI2022。原论文中提出了一种新的基于

变分自编码器的概率动态因子模型，以弥合噪声数据与有效因子之间的差距。本文在

原论文基础上进行修改优化，所得选股因子在沪深300指数增强组合中表现优异。

⚫FactorVAE模型融合了变分自编码器与概率动态因子模型的思想，建立股票收益率预

测模型，学习输入特征和标签之间的关系：（1）采用变分自编码器的编码器-解码器

架构，有助于模型学习到数据分布的结构，并且可以在潜在空间中生成新样本；（2）

基本面因子的重构：——因子选股系列之2024-03-21

采用概率动态因子模型的思想，将因子作为VAE模型中的潜在变量，提取动态公共因

一〇二

子的分布，从而起到降维降噪的作用。（3）采用一种“前验-后验”的学习方法，将预测

自适应时空图网络周频alpha模型：——2024-02-28

股票收益率的问题转化成预测有效因子，使用标签收益率指导模型提取有效因子。因子选股系列之一〇一

DFQ-FactorVAE模型优势DFQ-HIST：添加图信息的选股因子挖掘2024-02-07

系统：——因子选股系列之一百

⚫DFQ-FactorVAE模型所得因子的稳定性、在沪深300股票池中的多头表现突出：

基于异构图神经网络的股票关联因子挖2024-01-02

（1）在中证全指股票池中，DFQ-FactorVAE模型所得到因子的稳定性明显最强，掘：——因子选股系列之九十九

ICIR、RANKICIR、多头日超额收益夏普比均为最高。测试集（2020.01.01-DFQ-TRA：多交易模式学习因子挖掘系2023-11-14

2024.03.31）上rankic达到15%，rankicir达到1.38，20分组多头日度超额年化收益统：——因子选股系列之九十七

DFQ强化学习因子组合挖掘系统：——因2023-08-17

率达到31.75%，多头日超额收益夏普比3.52，多头日度超额收益最大回撤8.28%，

子选股系列之九十五

多头月度胜率88%，月均单边换手79%。分组单调性好。

DFQ遗传规划价量因子挖掘系统：——因2023-05-28

（2）在沪深300股票池中，DFQ-FactorVAE模型所得到因子的多头表现明显最强。子选股系列之九十

测试集上rankic达到10.6%，rankicir达到0.6，5分组多头日度超额年化收益率达到

14.47%，多头日超额收益夏普比1.72，多头日度超额收益最大回撤6.