第七届“泰迪杯”数据挖掘挑战赛——
A 题:通过机器学习优化股票多因子模型
Fama 通过分析美国市场几十年的数据发现，美国股市绝大部分可以被市值、估值以及 市场收益 3 个因子解释，并因此获得了 2013 年诺贝尔经济学奖。Fama 的工作开启了通过因 子化分析股市获取超额收益的先河，此后学术界及业界不断地寻找其他能获取超额收益的因 子及其组合和风险控制的方式。
在我国，基于财务因子(比如市盈率、市值等)及长周期的量价因子(比如月度反转、 月度成交量等)为主要因子的传统多因子模型在 A 股市场曾经获得过较为稳健的超额收益， 但是由于 A 股市场存在明显的风格切换(比如 2017 年下半年从传统的小市值风格切换到只 有极少数大市值股票上涨，而绝大部分股票下跌的风格)，传统多因子模型的稳定性及有效 性受到了较大的考验。
相比传统的线性多因子模型，机器学习算法能够通过对因子的非线性表达，捕捉到更加 精细的市场信号，获取较为稳健的超额收益。
根据2016年1月1日至2018年9月30日我国A股市场的数据(数据提取方式见附录 2)，筛选出各大类股票因子中较优的子因子。在此基础上，分析不同的机器学习算法对提升 这些因子的等权重线性模型表现的优劣，并使用“Auto-Trader 策略研究回测引擎”进行策略 回测(初始资金为 1000 万元整，手续费为双边千分之 3，每月月初调仓)。
可以从以下角度入手进行分析:
(1) 利用Auto-Trader中各大类因子(见附录3)的日频数据(数据提取方式见附录4)， 分别做单因子策略研究和绩效分析，挑选出使得年化夏普比率(Sharpe ratio)最优的各个大 类的因子。
(2) 基于机器学习算法对 (1) 中挑选的因子，进行增强，利用 2016 年 1 月 1 日至 2018 年 9 月 30 日的数据进行选股和回测，比较不同机器学习算法选股策略与等权重线性模型选 股策略之间年化夏普比率的优劣。
(3) 对选股策略进行风险控制，要求将最大回撤控制在 10%以内，重新完成 (2)。 注:除提交论文外，参赛队还须提交策略的回测报告，提交方式详见附录 7。
参考文献
[1] Aurélien Géron，机器学习实战:基于 Scikit-Learn 和 TensorFlow，机械工业出版社， 2018.9.
[2] 李航，统计学习方法，清华大学出版社，2012.3.
[3] 林晓明，陈烨，华泰多因子模型体系初探—华泰多因子系列之一，2016.9.21.
[4] 林晓明，陈烨，人工智能 1:人工智能选股框架及经典算法简介，2017.6.1.
[5] 罗军，胡海涛，大浪淘金，Alpha 因子何处寻，2011.8.15.
附录 1 名词解释
夏普比率:用来衡量产品风险收益的相对表现。夏普比率为正值，说明在衡量期内产品 的平均收益率超过了无风险利率。同时夏普比率越大，说明产品单位风险所获得的风险回报 越高。当夏普比率为负数时，按大小排序没有意义。一般采用一年期定存利率作为无风险收
益率。计算公式为
̅̅̅̅̅̅ 𝑆𝑚 = 𝑅𝐸𝑋 𝜎𝑅𝐸𝑋
̅̅̅̅̅̅
其中 𝑆𝑚 表示单位时间产品的夏普比率，𝑅𝐸𝑋 表示单位时间的超额收益率平均值，𝜎𝑅𝐸𝑋 表
示单位时间超额收益率的标准差。
超额收益率平均值计算公式为
1𝑛 𝑅𝐸𝑋=𝑛∑(𝑅𝑡 −𝑅𝑓)
̅̅̅̅̅̅
𝑡=1
其中 𝑅𝑡 表示产品收益率的序列数据，𝑅𝑓 表示市场无风险收益率，𝑛 表示根据时间频度决 定的收益率个数。
年化夏普比率计算公式为
𝑆𝐴 = 𝑆𝑚√𝑁
其中 𝑆𝐴 表示产品收益率的年化夏普，𝑆𝑚 表示单位时间产品的夏普比率，𝑁 表示不同周期
的年化因子，计算周期为日，相应的 𝑁 为 250。 风险控制:控制组合相对基准(基准可以是 hs300，sz50，zz500 指数)的回撤，包括但
不限于使用风险模型、择时模型、行业中性等方法控制最大回撤。
附录 2 获取 A 股代码及价格
这里取数据示例以 python 为例。
获取 A 股交易代码:traderGetCodeList
获取 2018 年 9 月 30 日沪深 300 指数的成分股及权重:
A=get_code_list(‘hs300′,date=’2018-09-30’)
设置 date 参数可以获取指定日期的成分股和权重;不设置 date 参数，默认取最近一个
交易日的成分股和权重。
获取2017年6月25日至7月26日平安银行和万科A的bar数据: day_data=get_kdata(target_list=[‘SZSE.000001′,’SZSE.000002′],frequency=’day’,fre_num=1, begin_date=’2017-06-25′,end_date=’2017-07-26′,fill_up=False,df=True,fq=1, sort_by_date=False)
更多获取标的及价格的用法参见:点宽网-AT 相关-Matlab API 或者点宽网-AT 相关- Python API
附录 3 因子分类说明 常见因子分类可采用如下分类。
基础科目衍生类
净营运资本、净债务、留存收益、毛利等
质量类因子
产权比率、超速动比率、非流动资产比率、股东权益比率等
收益风险类因子
120 日方差、股价偏度、历史贝塔、历史波动等
情绪类因子
20 日成交量标准差、20 日平均换手率、20 日换手率与 120 日换 手率之比等
成长类因子
营业收入增长率、总资产增长率、5 年收益增长率等
常用技术指标因子
MA10、MA120、MTM、DBCD 等
动量类因子
BIAS20、CMO、PVT 等
价值类因子
PE、PB、PCF、PS 等
每股指标类因子
EPS、EBIPTS、TORPS 等
模式识别类因子
十字暮星、吞噬形态、刺透形态、倒锤头等
行业与分析师类因子
12 月相对强势、分析师盈利预期、投资回报率预测等
特色技术指标
绝对价格振荡器、平均价格、均势指标等
以上为因子分类数据，具体可以在点宽网—数据字典—BP 因子中找到，参赛者也可 以根据 BP 因子或数据字典中的其他数据来构建因子分类进行分析，但应明确说明构建因 子分类的数据来源。
附录 4 获取股票因子数据 获取2017年6月25日至7月2日平安银行的PE和PB的因子数据:
Factor_code=get_factor_by_code(factor_list=[‘PE’,’PB’],target=’SZSE.000001′,begin_date=’2017- 06-25′, end_date=’2017-07-02′)
获取2017年6月30日的因子数据: Factor_day=get_factor_by_day(factor_list=[‘PE’,’PB’],target_list=[‘SZSE.000001′,’SZSE.000002′], date=’2017-06-30’)
附录 5 Auto-Trader 软件说明
编程语言:Auto-Trader 平台须运用 Matlab 软件或者 Python 软件 (1) Matlab
Matlab 版本:2013a 及以上版本
安装环境:Windows 7 或 Windows 10，64 位
建议配置:i5 8G 及以上内存
(2) Python
Auto-Trader 仅支持 64 位版本(x64)的 Python 3.5x，Python 3.6x 和 Python 3.7x
Auto-Trader 已经成为 PyPI 中的项目，安装好 Python 后，可以通过在 cmd 中输入 pip installatrader安装atrader。atrader完全使用SDK的方式，用户使用时可以使用任意的IDE， 包括 Pycharm、NoteBook、VScode、Sublime 等等常用的 Python IDE 进行 Python 策略的编 写。当使用 atrader 时，需要保持 Auto-Trader 客户端打开且正常登陆。
附录 6 赛题说明
1. 关于赛题数据说明
(1) 示例数据:2019年3月16日公布2016年1月1日至2016年12月31日A股市场
股票因子数据。
(2) 全部数据:2019年4月13日公布2016年1月1日至2018年9年30日A股市场
股票因子数据。
(3) 数据下载请登录 DigQuant 量化社区(网址:www.digquant.com.cn，进入【泰迪杯】
栏目，建议使用 Google 浏览器)，初始登录账号密码见竞赛组委会发出的竞赛报名成功邮 件，社区和 Auto-Trader 客户端的登录名和密码一致。
(4) 数据的使用方法请查看 DigQuant 社区【泰迪杯】专栏中的《比赛数据包》。
2. 数据包使用方法的补充说明
数据包 SingleBPFactor_2016.zip 为 Zip 格式压缩文件，下载成功后，使用 Zip 解压软件 解压后形成数据文件夹。进入文件二级文件夹(文件夹 I)中，将会看到有一个或多个文件 夹(如:sse、szse 等)。创建 C:\Users\Public\Documents\Bitpower\AT\SingleBPFactor 文件夹 (文件夹 II)，将文件夹 I 中的所有子文件夹及其中的文件复制到文件夹 II。登陆 Auto-Trader 客户端后就可以使用这些数据文件。
注:答题过程中遇到数据或软件使用问题，请拨打 0755-86952080 客服热线。
附录 7 赛题结果提交说明
第一部分:作品提交
(1) 论文命名为“A 题”，附件命名为“作品附件”。
(2) 论文及附件内不得出现队号、学校、学院、队员以及指导教师姓名等任何相关信息， 否则该作品视为无效作品。
(3) 请参赛队于 2019 年 4 月 26 日 16:00 之前在竞赛官网【提交作品】处提交论文(PDF 版，大小不超过 50M)及附件(论文正文(Word 版)、源数据(组委会提供的源数据除外)、 过程数据、程序的压缩包，大小不超过 200M)。
第二部分:策略提交
策略的回测报告、Matlab 或 Python 源代码、执行脚本说明、调用的外部的代码包(若 没有调用，则无需上传)通过 Auto-Trader 内置的“私有云策略池”上传提交。操作步骤如 下:
(1) 策略在 Auto-Trader 上完成后，点击【同步到私有云】。
(2) 登录 www.digquant.com.cn，进入泰迪杯栏目页面，点击【提交策略】。
(3) 点击【从私有云选择策略】，选择拟提交的策略，若有使用外部函数和数据包，点击
【上传附件】一并上传，最后点击【提交策略】。
(4) 每个参赛队只有第 1 位队员有权限提交策略，在 2019 年 4 月 26 日 16:00 之前可重
新选择作品覆盖提交，系统默认以提交的最后一份作品为准;提交的策略需与论文一致，否 则会影响成绩。
答案提交操作演示请登录 www.digquant.com.cn【泰迪杯栏目】中的赛前培训版块查看。