Skip to content

README.md

Latest commit

 

History

History
173 lines (127 loc) · 10.4 KB

README.md

File metadata and controls

173 lines (127 loc) · 10.4 KB
Raw

中证 500 指数增强：时点一致多因子主动组合研究

CI Version Python License

这是一个中证 500 指数增强研究的完整实现：从 Tushare Pro 原始数据出发，构建历史成分和时点一致因子，完成因子检验、信号合成、收益校准、风险估计、组合优化、次日开盘执行及结果审计。

v2.2 沿用既定策略与回测结果，进一步统一研究口径、参数说明和复现入口。发布结论受预先登记门槛约束；未通过指标、未采用方案和已经揭示的负样本外结果均随版本保留。

核心研究证据

层级 样本与口径 排序或收益质量 风险与稳定性
单因子 2017—2025 全样本审计；42 个候选中 14 个合格 定向 Rank IC 中位数 0.0209；费后 Q5−Q1 Sharpe 中位数 0.631 费后多空最大回撤中位数 −18.63%
合成信号 2020—2025 滚动年度折；236 个有效决策日 日均 Rank IC 0.0345；Q5−Q1 每 5 个交易日平均 9.87 个基点，年化 Sharpe 0.498 分组收益最大回撤 −9.82%；该层未扣交易成本
主动组合 2020—2025 六个互不重叠年度折；已扣模型化成本 年化主动收益 1.64%；信息比率 0.388；5/6 年为正 主动最大回撤 −6.64%；组合绝对 Sharpe 0.601

单因子指标用于描述因子池质量，不是样本外业绩；合成信号的分组收益为费前诊断；只有组合层计入完整执行和交易成本。三类指标不能直接横向比较。

审计合格因子的 Rank IC 与费后分组收益

14 个审计合格因子覆盖估值、风险、流动性、质量、成长、动量和应计七类暴露。单因子 Rank IC 与费后分组 Sharpe 并非严格单调：低波动类因子排序能力较强，但部分因子的分组收益质量较弱；现金流、盈利收益率和长期动量的 Rank IC 不居前，费后 Sharpe 反而较高。因此组合阶段保留家族分散和成本门槛，不按单一 IC 排名集中配权。

滚动组合结果

指标 结果
评价区间 2020-01-08 至 2025-12-31
组合 / 基准累计收益 81.34% / 65.22%
累计相对收益 9.76%
年化主动收益 / 信息比率 1.64% / 0.388
组合 / 基准绝对 Sharpe（无风险利率取 0） 0.601 / 0.516
组合 / 基准最大回撤 −35.67% / −35.91%
跟踪误差 / 主动最大回撤 4.45% / −6.64%
CAPM 年化 α / β 2.02% / 0.956
正主动收益年度 / 最差年度累计主动收益 5/6 / −0.34%
平均单期换手 / 执行成本 2.22% / 11.05 个基点
成交金额完成率 / 优化求解率 99.74% / 98.96%

滚动年度组合净值与主动回撤

年度 年化主动收益
2020 1.70%
2021 2.64%
2022 3.14%
2023 0.16%
2024 −0.36%
2025 2.62%

2023 年折内没有因子通过筛选，模型输出零主动预测；该年的小幅主动收益来自基准跟踪和模拟执行偏差，不能归因于选股信号。

2024 年累计主动收益为 −0.34%，按该年度样本长度年化后为 −0.36%；两处数字来自同一收益序列。现有聚合证据不足以把该结果可靠归因于某个因子或执行环节，因此只将其保留为年度稳定性的反例。

预先登记的 12 项发布门槛通过 8 项。未通过的四项为：年化主动收益 1.64%（门槛 3.00%）、信息比率 0.388（门槛 0.800）、主动最大回撤 −6.64%（门槛 −6.00%）和滚动 β 偏离 95% 分位数 0.163（门槛 0.100）。这些结果随版本公开保留，没有事后调整门槛。

脱敏汇总见 v2-public-summary.json，来源与图片指纹见 v2-report-manifest.json。

研究流程

Tushare 数据与请求缓存
  → 历史成分、复权行情、行业、交易状态和财务可得时点
  → 截面因子处理与折内筛选
  → 因子家族合成与滚动收益校准
  → 协方差、β 和主动风险估计
  → 约束组合优化
  → 下一交易日开盘执行、成本与容量模拟
  → 年度滚动评价、完整性审计和聚合报告
区间 用途
2016 长窗口因子、复权和风险估计预热
2017—各评价折开始前 扩展训练窗和折内因子筛选
2020—2025 六个互不重叠的年度评价折

标签为决策日后第一个开盘价至第六个开盘价的个股收益相对中证 500 收益。训练样本必须在拟合日前完成标签观测，并额外隔离 5 个交易日。因子在每日截面内完成稳健缩尾、市值和行业中性化及标准化。

因子、合成与优化

候选池包括 25 个价量因子和 17 个时点一致基本面因子。每次拟合在最近 156 个训练截面上检查覆盖率、IC 方向和稳定性、Newey–West 统计量、费后五分组价差、信号变化率及相关性；最终保留 5—10 个因子，每个家族最多 2 个，每个相关簇最多 1 个。

通过筛选的因子先在经济家族内按预设方向等权，再在有效家族之间等权：

$$F_{g,t}=\frac{1}{|S_g|}\sum_{j\in S_g} d_j z_{j,t}, \qquad s_{i,t}=\sum_g \omega_g F_{g,i,t}.$$

单因子权重不高于 20%，单一因子家族不高于 35%。滚动岭回归将合成分数映射为未来 5 个交易日的预期主动收益。

两项备选方法没有进入发布方案：扩展因子池提高了全期汇总收益，但削弱年度稳定性；残差信号袖套在逐年折外证据不足时自动回退为零权重。否决依据见 TECHNICAL.md 的未采用方案。

组合相对当期中证 500 权重求解收益、风险、交易成本和主动偏离之间的平衡：

$$\max_w\quad \widehat\mu^{\mathsf T}(w-b) -\gamma(w-b)^{\mathsf T}(5\Sigma)(w-b) -c_b\lVert(w-w_0)^+\rVert_1 -c_s\lVert(w_0-w)^+\rVert_1 -\eta\lVert w-b\rVert_2^2.$$

约束包括多头满仓、单票权重 3%、单票主动权重 ±1%、行业主动暴露 ±2%、主动 β ±0.05、年化跟踪误差 5%、常规单边换手 35% 和单次交易 5% ADV。执行发生在下一交易日开盘，先卖后买，并重新检查停牌、涨跌停、ST、现金和成交容量。

完整因子定义、时点规则、模型与指标口径见 TECHNICAL.md。

实现范围

模块 已实现内容
数据 Tushare 请求缓存、年度分区、动态指数成分、复权、历史行业、名称与停复牌区间、质量检查
因子 42 因子目录、财务可得时点、截面处理、IC、五分组收益和跨年稳定性审计
预测 折内筛选、家族合成、滚动岭回归校准、成熟标签和隔离期审计
风险与组合 Ledoit–Wolf 协方差、60 日 β、主动权重、行业、换手、跟踪误差和容量约束
执行 次日开盘、先卖后买、不可交易方向、部分成交、印花税、线性成本和冲击成本
工程 配置驱动实验、年度折并行、断点恢复、数据与源码指纹、聚合报告和离线测试

代码导航

研究环节 主要实现
因子与时点处理 价量因子与截面处理、因子目录、基本面因子
筛选、合成与校准 折内筛选、家族合成、滚动收益校准
风险、优化与执行 风险模型、主动组合优化器、事件回测与执行
年度验证与报告 年度折调度和审计、v2 聚合证据生成

复现

要求 Python 3.12。Tushare Token 只写入被 Git 忽略的 .env。当前 2016—2025 数据快照约占 2.1 GiB，一次完整发布研究的年度制品约占 4.3 GiB，建议至少预留 10 GiB 空间。最近一次 12 任务完整复算的清单记录约 4 小时墙钟时间；实际下载量和耗时会随缓存、处理器及并行数变化。本次研究使用具备 2000 积分权限的 Tushare Pro 账户，具体接口权限仍以运行时探测结果为准。

以下封装脚本面向 Windows PowerShell；核心 Python 命令本身不依赖 Windows。

uv sync --extra dev --extra report
Copy-Item .env.example .env

uv run python -m csi500_alpha doctor --config configs/full.yaml
.\scripts\download_tushare.ps1
.\scripts\download_eligibility.ps1
.\scripts\download_financial.ps1

.\scripts\run_factor_audit.ps1
.\scripts\run_v2_release.ps1 -Mode Run -Workers 4

uv run pytest
uv run ruff check .
uv run mypy src

Linux 和 macOS 可直接调用同一组命令行入口，例如：

uv run python -m csi500_alpha download-data --config configs/full.yaml
uv run python -m csi500_alpha download-eligibility --config configs/full.yaml
uv run python -m csi500_alpha download-financial --spec configs/financial_core.yaml
uv run python -m csi500_alpha run-factor-audit --spec configs/factor_audit_v2.yaml
uv run python -m csi500_alpha run-annual-study --annual configs/annual/a32_turnover_budgeted_residual_v1_canonical.yaml --workers 4

市场数据和逐行研究制品不随仓库分发。使用者需要凭自己的 Tushare 权限构建数据后复算；仓库中的 JSON 和 PNG 只保留不可逆聚合证据。

许可与边界

  • 原创代码采用 MIT License。Tushare 数据受其自身条款约束，MIT 许可证不授予市场数据再分发权。
  • 2020—2025 年用于滚动研究和方法选择，不是新的独立最终留出样本。v1 已揭示的 2026 年上半年结果保留在 v1 README，不能再次视为独立检验。
  • 成本、冲击和容量均为模型估计；回测结果不代表实盘业绩，也不构成投资建议。
  • 执行层采用连续份额记账，未覆盖 100 股整数手和完整公司行动台账。