金融工程行业分析：“逐鹿”Alpha专题报告，分钟因子模型.pdf

金融工程行业分析：“逐鹿”Alpha专题报告，分钟因子模型。本文通过对 A 股市场日内微观结构的分析，我们成功构建了一个 基于分钟因子模型的隔夜交易策略。策略采用集成学习，融合了 LightGBM 在截面数据上的优势和我们自研的 pegformer 模型在 时间序列上的强大捕捉能力。在 2022 年至 2025 年 7 月的样本外 测试中，该策略表现出卓越的盈利能力和稳健性。预测因子 IC 均值达到 0.087，信息比率高达 9.136。在千 2 的交易成本假设下， 策略能实现超过 64.15%的年化超额收益和 3.53 的夏普比率。

简介

本文在分钟频率上构建预测因子，并结合股票的日内交易模式与 微观结构特征，利用机器学习算法训练端到端的分钟频预测模 型。

日内股价形态特征

A 股市场呈现一个显著的日内特征：上下午交易时段的趋势存在 明显差异。上午时段，股价整体呈现稳步上升趋势，尤其在开盘 后半小时内拉升最为迅猛。下午时段，股价则转为震荡下行，尾 盘出现拉升。

因子构建

本文使用 Alpha158 与 Factor Zoo 分钟频因子集。根据特征重要性 排序，筛选出排名前 20 的因子作为模型的最终输入。

模型

为了充分利用数据特性，在模型架构上，我们采用集成策略。融 合了两种互补的模型：一是经典的 LightGBM，通过滚动训练的 方式使其动态适应市场变化；二是 pegformer，通过增量学习提 高训练效率。将两个模型的预测信号进行集成，生成最终的交易 决策。

结果

在样本外测试中，预测因子 IC 均值达到 0.087，信息比率高达 9.136。在千 2 的交易成本假设下，策略能实现超过 64.15%的年 化超额收益和 3.53 的夏普比率，即使在较高的交易成本压力测试 下，依然能取得显著的超额收益。