多因子系列之三：因子空头问题及其“顶端”优化 1.引言 在《多因子系列之一:多因子选股体系的思考》一文中，我们对多因子组合构建的一些基本问题进行了探讨，并给出了一些思考。然而，在实际构建多因子模型的过程中，我们还会遇到很多影响其绩效的问题，其中因子的空头问题就是其中一个非常重要的因素。众所周知，在当前的A股市场投资中，由于交易限制，我们没有办法做空个股，因此，传统多因子的多空组合收益是无法获取的，一般通过股指期货构建策略的空头端，而在多头端配置个股。这样带来一个的问题是，如果一个因子的多头端并不是很强，但是空头端非常强，那么传统的因子评价指标信息系数IC会认为这个因子是一个还不错的因子，从而基于该指标的收益预测模型例如ICIR因子配权会给该因子一个相对高估的权重,而.事实上空头端的收益我们却是无法获取的。 为了解决该问题，目前市场上已经有了很多研究，例如通过空头因子先进行股票池剔除，再用其他因子进行选股;使用带权重的IC ( weighted IC)指标进行因子配权等等。这些方法或多或少的解决了一部分该问题，但也可能引入新的问题。本文将对这些方法进行探讨，并通过一个新的模型一顶端优化模型来解决该问题。该模型的思路和以上方法非常相近，但它是通过机器学习中的优化方法进行问题求解的，给解决因子空头问题带来了新的思路。所谓“顶端”优化，其实是指在进行因子权重优化时更多地考虑收益率较高的股票是否都预测正确了，而忽略那些收益率较低的股票，这里“顶端”也就是收益率的较高的股票。通过这种优化方式，我们会使得因子的配权更倾向于那些顶端表现更优的因子。另外，我们还比较了传统的线性回归模型、因子等权配置模型、ICIR 因子配权模型、带权重的ICIR配权模型，顶端优化模型等算法的表现，我们发现解决了因子空头问题的顶端优化模型表现相对更为稳健。 【更多详情，请下载：多因子系列之三：因子空头问题及其“顶端”优化】