因子合成的一些实践和方法

#因子合成的实践和方法
使用GPlean训练出来的一些因子表达式存在很高的相关性，当卡掉相关性以后我们要做因子合成来提高信息的有效性，这次介绍一些常见的合成方法。

1.1 因子相关性处理

这一步的核心在于我们如何发现刻画并解决因子间的多重共线性（风格集中暴露）的问题。并最终实现alpha之间相互对冲关系。
首先是识别共线性问题，可以使用VIF检验

VIF检验（方差膨胀因子检验）

VIF（Variance Inflation Factor） 是用于量化回归模型中自变量之间多重共线性严重程度的指标。它衡量了由于自变量之间的相关性，导致回归系数估计的方差（不确定性）增大的倍数。核心思想：如果自变量之间高度相关，模型参数估计的方差会显著增大，导致结果不稳定，难以解释。

那么如何处理共线性问题呢，分为2种：
1、删除变量：移除VIF过高的冗余变量（需结合业务意义）。
2、正交化处理：通过施密特正交或者对称正交删除重复表达信息。

参考代码

# VIF检验
ic_df_pass = ic_df_test[factor_names_pass]
VIF = {}
for i in tqdm(ic_df_pass.columns.tolist()):
    y = ic_df_pass[i]
    x = ic_df_pass.drop(i,axis = 1)
    VIF[i] = 1 / (1 - sm.OLS(y.astype(float),x.astype(float),hasconst=False, missing='drop').fit().rsquared)

VIF = pd.DataFrame([VIF]).T
VIF.columns = ['VIF']
VIF.sort_values(by = 'VIF',ascending=False)

1.2 加权等权合成

上图是生成出来的因子表达式的累计IC图,我们要合成一个因子可以卡一个相关性，如下图：

得到低相关的因子后，做一个等权操作，参考代码如下：

# 等权
combo_ew = pd.DataFrame()
for i in factor_names:
    df = value_dict_train[i]
    combo_ew = combo_ew.add(standardize(df),fill_value=0)

等权可以得到以上效果，我们在做一个IC/IR加权看看。
不同的因子过往预测的能力有所区别，具体体现在IC 或者 IR 的不同上。因此对于模型的贡献权重也应该需要进行调整，给有更高IC 或 IR 的因子更高的权重。
计算方法：滚动过去N期的IC序列计算因子IC mean 或者 IR 表现，作为权重
缺点：不同类型的因子IC 或 IR 上有较大区别。例如基本面因子和量价因子，量价因子的IR普遍偏高。容易高估模型的对于量价因子的权重。
如果做加权，训练的时候一定要做多期滚动，不然会有未来函数。
以下是回测曲线：

1.3 后续研究方向

1.可以使用聚类算法进行因子分类在合成，比如等权加权
2.使用机器学习进行因子合成