基于市场状态划分的机器学习Alpha因子构建

图表索引图1：难做指数三分项的历分位（120日滚动均） 6图2：难做指数历走势 7图3：成交额HHI指标十分基准因子的平均IC 8图4：正收益贡献部占比指十分组下基准因子平均IC 8图5：个股收益截离散度指十分组下基准因子平均IC 9图6：成交额HHI指标十分基准因子的平均多超额收益 9图7：正收益贡献部占比十组下基准因子的平多头超额益 10图8：个股收益截离散度指十分组下基准因子平均多头额收益 10图9：难做指数十组下基准子的平均IC与多空收益 11图10：难指数十分组基因子的平均多头超收益 12图11：难指数与市场态分（2020年来） 13图12：状模型与等权成子的多头超额净值线 14图13：等合成因子样外值曲线 15图14：等合成因子十组额净值曲线 15图15：等合成因子分年超额收益率 16表1：三类市场状原始指标述性统计（2019/01—2026/06） 5表2：市场状态原指标之的Spearman秩相关系数 6表3：单项市场状指标与基因子表现的秩相关数 7表4：难做指数与准因子表的秩相关系数 11表5：难做指数十组下基准子的表现 11表6：状态划分模与合成因的IC指标 13表7：状态划分模与合成因的收益水平 13表8：因子之间多超额收益时序相关性 14一、机器学习Alpha因子的状态依赖（一）问题的提出在过往的报告中，我们构建了一系列基于深度学习的截面选股因子，整体上都取得了较为稳定的样本外表现。IC连续回撤。对于这种时变性，常规的应对方式是滚动训练，让模型不断吸收最新的样本。但滚动训练本质上只回答了“最近发生了什么“”由此产生两个自然的问题：第一，能否用可观测的市场状态变量，事前刻画因子是“好做”还是“难做”；第二，（二）刻画“难做”的三个维度我们认为，对截面选股因子不利的市场环境，通常具有以下几个特征：压缩。Alpha难做指数。（一）行业成交额集中度的赫芬达尔指数（HHI）：HHIt=(Σksk,t²−1/Kt)/(1−1/Kt)其中sk,t为第t日行业k的成交额占全市场的份额，Kt为当日有效行业数。减去1/Kt并做归一化的目的是HHI01（二）正收益贡献头部占比对每个交易日，我们先计算各行业的市值加权20日收益率rk,t与行业市值权重wk,t，两者相乘得到行业对市场整体收益的贡献ck,t=wk,t×rk,t。随后只保留正贡献部分，取其中最大的若干个行业之和占全部正贡献之和的比例：正收益贡献头部占比=Σk∈Topc⁺k,t/Σkc⁺k,t10%（），311Top3（三）个股收益截面离散度20且方向与前两者相反——201920266月底的描述性统计如下：表1：三类市场状态原始指标描述性统计（2019/01—2026/06）指标均值标准差最小值中位数最大值成交额HHI-中信一级0.03310.01260.01090.03130.1276成交额HHI-中信二级0.01520.00460.00820.01420.0517正收益贡献头部占比-中信一级0.59960.20920.24780.55981.0000正收益贡献头部占比-中信二级0.70440.17620.34940.69031.0000个股收益截面离散度0.12990.02930.07950.12680.3419数据来源：Wind、广发证券发展研究中心（四）分位化处理与等权合成252pctt=(1/N)×Σs∈[t−251,t]I{xs≤xt}该处理只使用当日及历史数据（最少要求60个有效观测），不含任何未来信息，可以直接用于实时跟踪。在1难做指数=[成交额HHI分位（两级均值）+正收益贡献头部占比分位（两级均值）+(1−截面离散度分位)]/3（HHIHHI10.65%，-35.02%表2：市场状态原始指标之间的Spearman秩相关系数指标HHI-HHI-正收益贡献头部 正收益贡献头部 个股收益截面离占比-一级 占比-二级 散度成交额HHI-中信一级100.00%81.64%10.65%4.06%20.32%成交额HHI-中信二级81.64%100.00%6.46%1.18%8.10%正收益贡献头部占比-中信一级10.65%6.46%100.00%94.47%-35.02%正收益贡献头部占比-中信二级4.06%1.18%94.47%100.00%-37.21%个股收益截面离散度20.32%8.10%-35.02%-37.21%100.00%数据来源：Wind、广发证券发展研究中心图1：难做指数三个分项的历史分位（120日滚动均值）2020-01-022020-02-262020-01-022020-02-262020-04-142020-06-032020-07-222020-09-072020-10-302020-12-162021-02-022021-03-262021-05-182021-07-052021-08-192021-10-142021-11-302022-01-172022-03-102022-04-282022-06-202022-08-042022-09-212022-11-142022-12-292023-02-222023-04-112023-05-312023-07-192023-09-042023-10-272023-12-132024-01-302024-03-252024-05-162024-07-032024-08-192024-10-142024-11-282025-01-152025-03-112025-04-282025-06-182025-08-042025-09-182025-11-122025-12-292026-02-242026-04-132026-06-02成交额集中度（两级均值） 正收益贡献头部占比（两级均值） 个股收益离散度（反向）数据来源：Wind、广发证券发展研究中心2020202120232025年2026图2：难做指数历史走势1.20001.00000.80000.60000.40000.20002020-01-022020-02-272020-01-022020-02-272020-04-162020-06-082020-07-282020-09-142020-11-092020-12-252021-02-192021-04-092021-06-012021-07-202021-09-062021-11-022021-12-202022-02-142022-04-012022-05-262022-07-142022-08-312022-10-262022-12-132023-02-072023-03-272023-05-182023-07-072023-08-242023-10-192023-12-062024-01-242024-03-202024-05-142024-07-022024-08-192024-10-152024-12-022025-01-202025-03-172025-05-082025-06-262025-08-132025-09-302025-11-252026-01-142026-03-112026-04-292026-06-22难做指数（日频） 120日滚动均值数据来源：Wind、广发证券发展研究中心三、难做指数的有效性验证（一）验证方法为了检验难做指数是否真的能够区分因子的“好做”与“难做”，我们需要一个基准因子作为参照。这里选用我们AGRUAlpha20201202665（5个VWAP15655IC10.02%。TT5IC55Spearman（二）单项指标的表现下表给出了五个单项指标（三个指标族，其中两个区分一级与二级口径）与因子表现的对照结果。指标5IC指标5IC5日多头超额收与未来5日多空收益 IC十分组高10-低1益成交额HHI-中信一级-11.19%-10.26%-12.80%-5.71%成交额HHI-中信二级-13.61%-12.01%-16.72%-5.40%正收益贡献头部占比-中信一级-23.94%-10.44%-13.36%-7.98%正收益贡献头部占比-中信二级-22.88%-9.10%-9.88%-6.76%个股收益截面离散度9.77%7.14%10.60%5.32%数据来源：Wind、广发证券发展研究中心可以看到，全部指标的方向都与预期一致：成交额集中度与正收益贡献头部占比越高，因子的IC、多头超额与多空收益越低；截面离散度越高，因子表现越好。其中正收益贡献头部占比与IC的负相关最强，中信一级口径下达到-23.94%；成交额集中度与多空收益的负相关最强，中信二级口径下为-16.72%。（110组最高5IC图3：成交额HHI指标十分组下基准因子的平均IC16.00%14.00%12.00%10.00%8.00%6.00%4.00%2.00%0.00%1

2 3

5 6 7

9 10成交额HHI-中信一级 成交额HHI-中信二级数据来源：Wind、广发证券发展研究中心图4：正收益贡献头部占比指标十分组下基准因子的平均IC14.00%12.00%10.00%8.00%6.00%4.00%2.00%0.00%1 2

4 5

7 8 9 10正收益贡献头部占比-中信一级 正收益贡献头部占比-中信二级数据来源：Wind、广发证券发展研究中心图5：个股收益截面离散度指标十分组下基准因子的平均IC14.00%12.00%10.00%8.00%6.00%4.00%2.00%0.00%1 2 3

5 6 7

9 10数据来源：Wind、广发证券发展研究中心ICIC113.00%106.24%IC的秩相关系数达到-0.9512.33%4.34%，秩相关系数为-0.88-0.53与-0.71IC7.22%12.54%0.68。图6：成交额HHI指标十分组下基准因子的平均多头超额收益1.00%0.90%0.80%0.70%0.60%0.50%0.40%0.30%0.20%0.10%0.00%1

3 4

6 7

9 10成交额HHI-中信一级 成交额HHI-中信二级数据来源：Wind、广发证券发展研究中心图7：正收益贡献头部占比十分组下基准因子的平均多头超额收益0.60%0.50%0.40%0.30%0.20%0.10%0.00%1

3 4

6 7

9 10正收益贡献头部占比-中信一级 正收益贡献头部占比-中信二级数据来源：Wind、广发证券发展研究中心图8：个股收益截面离散度指标十分组下基准因子的平均多头超额收益0.70%0.60%0.50%0.40%0.30%0.20%0.10%0.00%1

3 4

6 7

9 10数据来源：Wind、广发证券发展研究中心“”-0.68与-0.670.72IC三类指标做等权合成的原因之一。的——（三）难做指数的表现将三个分项按方向对齐后等权合成，得到的难做指数与因子表现的相关性明显强于任一单项指标。表4：难做指数与基准因子表现的秩相关系数指标与未来5日IC5收益额5益IC十分组高10-低1难做指数-24.66%-15.36%-20.41%-7.79%最优单项指标-23.94%-12.01%-16.72%-7.98%数据来源：Wind、广发证券发展研究中心难做指数与未来5日IC的秩相关系数为-24.66%，与多头超额收益、多空收益的秩相关系数分别为-15.36%和表5：难做指数十分组下基准因子的表现难做指数十分组平均IC5IC负值占比平均多头超额收益平均多空收益113.87%7.01%0.62%2.03%213.53%8.33%0.62%1.97%311.95%12.74%0.50%1.67%410.29%15.38%0.48%1.54%511.09%11.46%0.47%1.67%69.17%12.18%0.27%1.25%79.74%13.46%0.39%1.41%87.97%14.65%0.25%0.89%96.53%31.41%0.18%0.75%106.08%23.57%0.14%0.69%数据来源：Wind、广发证券发展研究中心110组，IC13.87%6.08%，IC7.01%23.57%52.03%0.69%0.62%0.14%110组之间，IC7.81.3图9：难做指数十分组下基准因子的平均IC与多空收益16.00% 2.50%

2.00%10.00%

1.50%

1.00%

0.50%0.00%1

2 3 4

6 7

9

0.00%平均IC5 平均多空收益（右）数据来源：Wind、广发证券发展研究中心图10：难做指数十分组下基准因子的平均多头超额收益0.70%0.60%0.50%0.40%0.30%0.20%0.10%0.00%1

3 4

6 7

9 10数据来源：Wind、广发证券发展研究中心四、基于市场状态划分的因子构建（一）状态划分与模型训练方案。（20191231日TT+1“难做”状“好做”（2020220268月初1598天，好做状态690天，两类状态的样本量较为均衡。AGRU与好做状态模型。图11：难做指数与市场状态划分（2020年以来）数据来源：Wind、广发证券发展研究中心（二）状态模型的样本外表现我们在统一的框架下对两套状态模型进行样本外测试：回测区间为2020年2月至2026年8月初，20日调仓，十分组，成交价格为VWAP，股票池处理与前文一致，共78期，平均每期覆盖约4456只个股。表6：状态划分模型与合成因子的IC指标IC均值IC标准差IC胜率IC_IRT统计量难做状态模型10.93%11.37%87.18%0.96128.4891好做状态模型10.66%11.83%80.77%0.90137.9603等权合成因子11.32%11.78%84.62%0.96178.4933状态切换因子10.98%11.25%85.90%0.97598.6185数据来源：Wind、广发证券发展研究中心ICIC10.93%，ICIR0.96，IC胜率87.18%IC10.66%，ICIR0.90，IC80.77%T8.497.96多头年化超额收益率多头超额最大回多头年化超额收益率多头超额最大回多空年化收益率多空最大回撤难做状态模型9.38%1.6363-6.55%39.85%3.0109-18.37%好做状态模型9.96%1.6359-9.73%38.62%2.8936-16.98%等权合成因子10.38%1.8518-9.22%41.18%3.0694-17.55%状态切换因子8.23%1.3809-8.20%38.90%2.9590-18.37%撤数据来源：Wind、广发证券发展研究中心.8%1.4-.5；9.96%1.64-9.73%。值得注意验一致：在信息稀薄的环境中训练出来的模型，更擅长在困难的市场里做防守。（三）状态模型的差异性首先是因子值的截面相关性。难做状态模型与好做状态模型之间的日均截面Spearman相关系数为75.44%，说明二者共享了大部分基础的选股信息，但仍有相当一部分并不重叠。其次是多头超额收益的时序相关性。两套模型之间仅为48.00%，明显低于截面相关性。表8：因子之间多头超额收益的时序相关性难做状态模型好做状态模型等权合成因子状态切换因子难做状态模型100.00%好做状态模型48.00%100.00%等权合成因子82.41%81.90%100.00%状态切换因子81.88%66.40%81.23%100.00%数据来源：Wind、广发证券发展研究中心（四）状态模型的合成我们同时构造了TT+167。IC11.32%，ICIR0.96，IC84.62%10.38%1.8541.18%3.07IC与IIR（098%09883%，1.38“”——会承担全部代价，而等权合成始终保留了两类环境的信息。图12：状态模型与等权合成因子的多头超额净值曲线2.00001.90001.80001.70001.60001.50001.40001.30001.20001.10002020-02-042020-03-232020-02-042020-03-232020-05-142020-07-032020-08-202020-10-152020-12-022021-01-202021-03-162021-05-072021-06-252021-08-122021-10-082021-11-252022-01-132022-03-092022-04-282022-06-212022-08-082022-09-262022-11-182023-01-062023-03-022023-04-202023-06-122023-08-012023-09-182023-11-132023-12-292024-02-262024-04-162024-06-062024-07-252024-09-112024-11-072024-12-252025-02-202025-04-102025-06-032025-07-212025-09-052025-10-312025-12-182026-02-062026-04-032026-05-27难做状态模型 好做状态模型 等权合成因子数据来源：Wind、广发证券发展研究中心从净值曲线可以看到，难做状态模型与好做状态模型的多头超额净值在多个时段呈现出交替领先的形态，这与1.50001.00000.50000.0000数据来源：Wind、广发证券发展研究中心1.50001.00000.50000.0000数据来源：Wind、广发证券发展研究中心-22.79%，多空关系清晰，单调性良好。第1第1组第7组 第2第2组第8组 第3组第9组第4第4组第10组 第5第5组多空净值第6组8.00006.00004.00002.00000.00008.00006.00004.00002.00000.0000

2020-02-045.00004.50004.00003.50003.00002.50002.00001.50001.0000数据来源：Wind、广发证券发展研究中心图14：等权合成因子十分组超额净值曲线2.50002.00005.00004.50004.00003.50003.00002.50002.00001.50001.0000数据来源：Wind、广发证券发展研究中心图14：等权合成因子十分组超额净值曲线2.50002.00002020-05-142020-07-032020-08-202020-10-152020-12-022021-01-202021-03-162021-05-072021-06-252021-08-12多头净值2021-10-08多头净值2021-11-252022-01-132022-03-092022-04-282022-06-212022-08-082022-09-26等权基准净值2022-11-18等权基准净值2023-01-062023-03-022023-04-20202