因子降维1：底层因子降维方法对比-海通证券-20171028
由qxiao创建，最终由qxiao 被浏览 59 用户
摘要
随着投资者对于选股因子挖掘的深入，构建选股模型时可供选择的因子越来越多，随之而来的问题也逐渐增多。其中有两个问题值得关注：
1）因子在数量较多的情况下，无法高效地进行正交化处理；
2）对于某一类高相关因子，正交的手段无法较好地提炼它们的信息。
对于上述问题，投资者可通过因子降维进行处理。也即，对于高相关因子分配因子降维权重，并加权求和计算降维后的因子值。由于因子降维方法多种多样，故而本报告为投资者提供了几种基本降维方法的效果回测对比。
因子降维的思路多种多样。
本报告从“选取类别内选股效果最强的因子”、“基于类别内因子选股效果加权”以及“最大化类别内因子选股效果波动”三条思路出发构建了相应的降维方法。
“选取类别内选股效果最强的因子”降维效果较好。模型复合因子选股能力以及模型月度多空收益在降维后都出现了改善。使用正交因子IC作为因子选股效果的衡量指标，降维后的模型选股能力出现了进一步的提升
“基于类别内因子选股效果加权”降维效果同样较好。模型复合因子选股能力以及模型月度多空收益在降维后都出现了改善。使用正交因子IC作为因子选股效果的衡量指标，降维后的模型选股能力出现了进一步的提升
相比而言，“选取类别内选股效果最强的因子”降维后，模型具有最强的选股效果。对比来看，“取类别内最强”能够对于模型产生最大幅度的提升，同时各类因子在降维后也能保持较强的选股能力。若投资者想尽可能多地使用到类别内各指标的信息，则可使用“类别内因子选股效果加权”。从结果上看，并不推荐使用“最大化解释类别内因子波动”进行降维。
风险提示
市场系统性风险、资产流动性风险以及政策变动风险会对策略表现产生较大影响。
正文
/wiki/static/upload/fe/fe5b8c92-f954-4ebd-a44f-e25ff2db7a16.pdf
\