量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者，曾荣获AMMA优秀品牌力、优秀洞察力大奖，连续4年被腾讯云+社区评选为“年度最佳作者”。
标题：Time Series Forecasting with Transformer Models and Application to Asset Management
作者：Edmond LEZMI、Jiali XU
开篇
根据显著性理论（Salience Theory），投资者会被具有显著收益的股票所吸引，导致它们被错误定价。Cosemans和Frehen(2021)最近的一项研究提出了一种显著性理论（ST）测量方法，可以捕捉过去收益分布的显著性。ST的核心含义是，具有显著上升空间的股票被高估，随后的回报较低；相反，有明显缺点的股票被低估，未来回报高。传统的动量策略包括买入过去的赢家和卖出过去的输家，这在美国和国际股市中被广泛验证。然而，动量投资组合中极其突出的股票更有可能出现后续的反转，从而降低了动量策略的盈利能力。
图1描述了按过去12个月收益排序的动量百分比投资组合的下一个月的收益分布。颜色的梯度表示前一个月的ST百分位。与之前的研究一致，我们发现过去和后续收益（即收益动量）之间存在正线性关系。此外，ST最高的股票（深绿色）往往会获得较低的后续回报，而ST最低的股票（暗红色）往往会获得较高的后续回报。更重要的是，过去ST高的赢家和ST低的输家更有可能出现后续的收益逆转，从而削弱了动量策略的盈利能力。因此，我们通过消除ST最高和最低的股票来增强动量策略，比如我们可以采用一种策略，购买过去ST低的高动量股票，卖空过去ST高的低动量股票，这可以产生更高的回报。
本研究通过提出一种新的和简单的策略来提高动力盈利能力。我们根据从t-12到t-2的累计收益构建十分位数投资组合，并按顺序排除具有显著收益的股票。例如，在预先的基础上，当我们从前十分位数（赢家）投资组合中去除5%的最高ST股，从后十分位数（输家）投资组合中去除5%的最低ST股时，多空(WML)投资组合的五因子alpha每月从1.641%增加到1.749%，夏普比率从0.852增加到0.927。我们发现，排除具有极端ST的股票的方法更好地捕捉了内在动量效应，特别是对于亏损投资组合。
股票收益显著性度量（ST）
我们首先计算第d天股票收益和市场收益之间的距离，如下所示：
其中
是股票的d日的日度收益，
是d日截面上所有股票的平均收益。为了防止分母为0的情况没，
设置为0.1。
然后将每个股票根据过去一个月每天的
进行排序，该股票每日的排序为
。根据排序值计算Salience Weights 
：
其中
（默认0.7）是一个参数，用于控制Salience扭曲的程度；
。计算每个月内日度的
与收益率的协方差就是该股票当月的ST值。
排除具有极端显著价值的股票，增强了动量策略的收益。如下图所示：
A股实证研究
国内方正证券金工团队在《显著效应、极端收益扭曲决策权重和“草木皆兵〞因子》也使用了显著性理论构建相关因子：
显著理论（salience theory）的出现解决了截面上做比较的问题。Cosemans和Frehen(2021)使用显著理论构造了因子，他们认为那些收益率过分高于市场收益的股票，会吸引投资者的注意力，并引起投资者的过度买入，进而股价在未来会发生回落。我们将这种心理称为“守株待兔”心理，投资者认为这种极端偏离市场的高收益会再次出现,因此纷纷买入这些股票开始等待。
相反，那些收益率过分低于市场收益率的股票，会对投资者产生恐慌心理，并引起投资者的过度卖出，进而股价在未来发生补涨。我们将这种心理称为“草木皆兵”心理，投资者认为这种极端偏离市场的低收益（或称为严重亏损）会再次出现,因此纷纷卖出这些股票，小心远离它们。
报告提出了将显著理论与反转因子相结合的新构造方法。即将股票每日的收益率，视作投资者做出决策权重的依据，将每天收益率偏离市场的程度（我们取多头端的逻辑，将其简称为“惊恐度”）作为极端收益对投资者决策权重的扭曲程度，使用“惊恐度”直接加权每日收益率，来模拟投资者决策过程，构造了“原始惊恐”因子。
具体计算逻辑如下，首先是定义惊恐度：
接下来构建惊恐度因子：
因子测试结果：
总结
量价因子的研究一定是发现现象、提出假设、定义代理变量，最后验证假设的过程。市场定价的非有效性大部分源于是行为学上的偏差，量化的过程一定程度上就是对偏差建模的过程。
参考文献
1、Sim, Myounghwa & Kim, Hee-Eun, 2022. "Salience theory and enhancing momentum profits," Finance Research Letters, Elsevier, vol. 50(C).
2、M. Cosemans et al. Salience theory and stock prices: empirical evidence J. Financ. Econ. (2021)
3、方正证券金工团队《显著效应、极端收益扭曲决策权重和“草木皆兵〞因子》
本文来自微信公众号“量化投资与机器学习”，文章版权归原作者所有，内容仅供参考并不构成任何投资及应用建议。
