正则稀疏化的多因子量化选股策略

• 作者: 李路 舒时克
• 来源期刊: 计算机工程与应用
• 学科: 数学
• 关键词: 弹性网(Elastic Net) SCAD MCP ADMM算法 逻辑回归 多因子选股
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 大数据与云计算
• 页码范围: 110-117
• 页数: 8页
• 分类号: O212.1
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2002-0101

摘要

针对高维度数据集特征之间的复杂性,而传统的L1惩罚项不满足Oracle性质的无偏性,将逻辑回归弹性网(LR-Elastic Net)中的L1惩罚项替换为SCAD(Smoothly Clipped Absolute Deviation)和MCP(Minimax Concave Penalty)惩罚项,分别构建了LR-SCAD和LR-MCP模型,在保留稀疏性的同时满足了无偏性,并利用ADMM(Alter-nating Direction Method of Multipliers)算法进行求解.通过模拟实验发现,LR-Elastic Net模型能很好地处理特征存在相关性的小样本数据,而LR-SCAD和LR-MCP模型在特征存在相关性的大样本数据中表现较好;建立LR-Elastic Net、LR-SCAD和LR-MCP策略,并应用于沪深300指数成分股数据.回测结果显示,LR-SCAD和LR-MCP策略在股票相关性很强的数据中比LR-Elastic Net策略表现更好.