金工深度研究： 高頻因子計(jì)算的GPU加速.pdf

金工深度研究： 高頻因子計(jì)算的GPU加速。本文使用 NVIDIA RAPIDS 對(duì)高頻因子計(jì)算進(jìn)行 GPU 加速。量化因子計(jì)算 場(chǎng)景下，RAPIDS 的直接助力是用 CuPy、cuDF 的 GPU 運(yùn)算替代 NumPy、 Pandas 的 CPU 運(yùn)算。在 RTX 3090 和 i9-10980XE 測(cè)試環(huán)境下計(jì)算分鐘線 因子，CuPy 和 cuDF 替換庫(kù)函數(shù)的提速效果約為 6 倍，若同時(shí)將 for 循環(huán) 替換為矩陣運(yùn)算，最終提速超 100 倍。預(yù)計(jì) RTX 4090 和 A800 提速更顯著。 最大化 ICIR 法合成高頻因子，并與華泰金工神經(jīng)網(wǎng)絡(luò)多頻率因子靜態(tài)加權(quán)， 構(gòu)建中證 1000 指數(shù)增強(qiáng)組合，以 2016 年末至 2023 年 9 月為回測(cè)區(qū)間， 信息比率從 3.70 提升至 3.87，超額收益 Calmar 比率從 2.41 提升至 3.96。

使用 CuPy/cuDF 替代 NumPy/Pandas，RTX 3090 實(shí)現(xiàn)約 6 倍性能提升

RAPIDS 的重要特性之一是將基于 CUDA 底層代碼的優(yōu)化以 Python 語(yǔ)言的 形式體現(xiàn)。常用 API 如 CuPy（對(duì)標(biāo) NumPy）、cuDF（對(duì)標(biāo) Pandas）、cuML （對(duì)標(biāo) scikit-learn）等。由于 API 語(yǔ)法幾乎相同，僅需輕量級(jí)代碼修改， 即可實(shí)現(xiàn) CPU 運(yùn)算到 GPU 運(yùn)算的遷移。針對(duì)全部因子使用 CuPy 和 cuDF 替換原函數(shù)，部分因子使用矩陣運(yùn)算替換 for 循環(huán)。結(jié)果表明：不引入矩陣 運(yùn)算時(shí)，單獨(dú)替換庫(kù)函數(shù)反而增加時(shí)間開銷。若兩步同時(shí)進(jìn)行，替換庫(kù)函數(shù) 帶來(lái)的性能提升約 6 倍（RTX 3090），矩陣運(yùn)算帶來(lái)的性能提升約 18 倍。 GPU 性能同型號(hào)和數(shù)據(jù)量相關(guān)，單次運(yùn)算數(shù)據(jù)量越大，加速效果越顯著。

分鐘線選股因子：價(jià)格全局特征類、價(jià)格局部特征類

本文測(cè)試 5 類共計(jì) 50 個(gè)分鐘線選股因子。以下展示測(cè)試效果較好的因子及 投資邏輯：(1)價(jià)格全局特征類：return_intraday、tp_diff、return_improved 的本質(zhì)是不同形式的日內(nèi)反轉(zhuǎn)因子，return_var 的本質(zhì)是日內(nèi)低波動(dòng)因子。 (2)價(jià)格局部特征類：return_last_30min 和 return_skewness_last_30min 的 本質(zhì)是尾盤反轉(zhuǎn)因子，return_upward_var 和 return_downward_var 的本質(zhì) 是日內(nèi)低波動(dòng)因子的精細(xì)化刻畫。

分鐘線選股因子：成交量/額類、成交關(guān)聯(lián)價(jià)格類、價(jià)量相關(guān)性類

(3)成交量/額類：volume_open_30min_ratio 給予開盤成交不活躍的股票風(fēng) 險(xiǎn)溢價(jià)，市場(chǎng)情緒一般在開盤釋放，該因子或反映理性交易者占比。 amount_out_order_avg_ratio 給予單筆流出金額較大的股票風(fēng)險(xiǎn)溢價(jià)，或?qū)?應(yīng)快速下跌后的反轉(zhuǎn)或者主力的操縱行為。 (4)成交關(guān)聯(lián)價(jià)格類： cum_return_top30_order 的本質(zhì)是反轉(zhuǎn)因子的精細(xì)化刻畫，大單推動(dòng)的漲 幅更具信息量。(5)價(jià)量相關(guān)性類：VP、VP_top33_volume、VR_1min_lag 的本質(zhì)都是捕捉量?jī)r(jià)背離，即縮量上漲或放量下跌。

最大化 ICIR 法合成分鐘線因子，與神經(jīng)網(wǎng)絡(luò)因子結(jié)合構(gòu)建選股策略

進(jìn)一步圍繞分鐘線因子構(gòu)建選股策略。采用最大化 ICIR 法對(duì)前述 50 個(gè)因子 進(jìn)行合成，以未來(lái) 5 日收益為預(yù)測(cè)目標(biāo)，合成因子 RankICIR（未年化）1.50， 對(duì)沖組合夏普比率 3.59，Top 層信息比率 3.81。該合成因子和神經(jīng)網(wǎng)絡(luò)多 頻率因子相關(guān)系數(shù)為 0.25，兩者截面標(biāo)準(zhǔn)化后靜態(tài)融合，構(gòu)建指數(shù)增強(qiáng)策 略。結(jié)果顯示，結(jié)合分鐘線合成因子后，策略各項(xiàng)指標(biāo)均有提升，尤其體現(xiàn) 在回撤控制。中證 500 增強(qiáng)信息比率從 2.78 提升至 3.01，超額收益 Calmar 比率從 1.37 提升至 2.07，中證 1000 增強(qiáng)信息比率從 3.70 提升至 3.87，超 額收益 Calmar 比率從 2.41 提升至 3.96。