人工智能系列之72：挖掘高频和低频量价数据中的alpha
　　随着人工智能技术在量化投资中的普及，投资者对于量价数据的研究越来越充分。本文聚焦于高频和低频量价数据的信息挖掘。首先，基于分钟频、逐笔成交和逐笔委托几种高频数据，构建并测试了27个高频因子，再使用深度学习模型对因子进行合成。接着，利用日k线、周k线和月k线几种低频量价数据，提出一个硬参数共享的多任务深度学习模型，实现端到端的因子挖掘和因子合成。最后，两类因子合成后得到的全频段融合因子表现进一步提升，构建的中证500和中证1000指数增强策略表现优秀。
　　基于分钟频、逐笔成交和逐笔委托数据，构建并测试27个高频因子
　　利用分钟频数据，构造尾盘收益率偏度、下行收益率波动占比等价格类因子，成交量占比、成交量与成交笔数相关性等交易量类因子，以及早盘成交量与收益率相关性、大单推动涨幅等价量关联类因子。利用逐笔成交数据，通过还原大单，构建大单成交金额占比、早盘大单买入占比等大单因子，也可根据买方或卖方主动成交，构建开盘主动买入占比、净主动买入与滞后或超前收益率相关性等因子。对于逐笔委托数据，主要基于统计量构造了买卖单委托量峰度之差、买单委托量与委托价格相关性等因子。
　　深度学习模型在高频因子合成上表现较好
　　本文构建以GRU为核心的深度学习模型，对27个高频因子进行合成。样本空间为全A股，模型在2017/1/4～2023/11/30的回测期内周度RankIC均值为9.10%，分10层TOP组合年化超额收益率为26.20%(不计交易成本)。高频深度学习因子在RankIC均值、IC_IR、IC>0占比、TOP组合年化超额收益率、TOP组合信息比率、TOP组合胜率多项指标上表现优于单因子中的最佳表现，体现了多因子合成的优势。相比于等权和ICIR加权，深度学习能够捕捉时序和非线性规律，合成效果明显更好。
　　多任务学习可助力低频量价数据的挖掘
　　本文利用日频、周频和月频三类数据，提出了一个硬参数共享的多任务深度学习模型，实现端到端的因子挖掘和因子合成。三种频率的数据通过同一个GRU模块提取时序信息，实现知识共享，再输出三个子任务预测，等权合成为最终预测。借鉴多因子合成的思想，模型通过优化每个子任务预测的IC，并控制彼此间的相关性，便可提升合成因子的表现。样本空间为全A股，模型在2017/1/4～2023/11/30的回测期内周度RankIC均值为10.44%，分10层TOP组合年化超额收益率为31.05%(不计交易成本)，TOP组合表现明显优于日频量价模型。消融实验验证了多任务学习设计的有效性。
　　高频深度学习因子和低频多任务因子合成后的全频段融合因子表现更佳
　　样本空间为全A股，全频段融合因子在2017/1/4～2023/11/30的回测期内周度RankIC均值为11.47%，分10层TOP组合年化超额收益率为32.25%(不计交易成本)，回测表现进一步提升。基于全频段融合因子，构建中证500和中证1000指数增强组合。在周双边换手率分别控制为30%、40%和50%的情况下，2017/1/4～2023/11/30回测期内中证500增强组合年化超额收益率为19.46%、18.44%和17.68%，信息比率为3.31、3.11和2.97；中证1000增强组合年化超额收益率为29.48%、30.14%和28.97%，信息比率为4.33、4.30和4.05。
　　风险提示：借助高频因子、人工智能构建的选股策略是历史经验的总结，存在失效的可能。深度学习的可解释性较弱，使用需谨慎。