在量化投资的流程中，“特征提取”是位列数据收集和清洗后的关键步骤。明汯投资强调，数据本身没有预测市场趋势和价格变动的能力，因此需要将数据处理成因子和特征，再输入到模型。因子是指“对个股收益差异有解释作用的特征”，而特征则是“被观测对象的可测量性能或特性”，通常是数值型的，但语法模式识别也可以使用结构特征。

在机器学习领域，“特征工程处理”是指在给定数据、模型和任务的情况下设计出最合适特征的过程，相当于梳理数据并结合业务需要提取有意义的信息，以干净整齐的形态进行组织。明汯投资此前在公开分享中提到，以D. E. Shaw为代表的部分海外顶尖机构，并未特别强调深度学习模型的复杂性，但由于Alpha因子质量较高，即使并不复杂的模型也能获得出色的建模效果。这也是为何业内并不会片面强调因子数量，因子的质量（即存在多少独立的Alpha）才是关键。

为确保在各种市场环境下因子都能呈现出稳定性和有效性，任何因子在正式投入使用前，都需要经过严格的验证过程。这一过程包括对历史数据的回测、压力测试和情景分析。由于市场环境时刻处于动态变化之中，还需定期、持续地对因子进行重新评估和优化。此外，需设定适当的风险控制措施，使投资组合在不利的市场环境下仍能保持稳定，从而降低回撤幅度。

因子为模型的开发提供了输入和验证，几乎每家量化投资机构都拥有自建因子库，量化系统可同时研究和跟踪非常多的因子，各类因子与各类基准可组合生成不同的产品策略。由于量化投资具有分散化投资的特点，管理人需对因子库进行持续的丰富和迭代，但因子数量的增加并不意味着模型预测能力的提升。明汯投资指出，在量化投资中，因子的质量比数量更为关键。通过高质量的因子，即使模型并不复杂，也能获得出色的建模效果。

上海明汯投资创立于2014年，多年来持续加大对交易系统、算法以及硬件设备的投入，始终保持硬件设备和软件建设在市场中处于顶配水平，是目前国内资产管理规模最大的量化机构之一。 2020年，明汯投资在北美建立投研中心，吸收海外顶尖量化机构投研人才，为A股选股模型提供世界最前沿的技术支持。

【广告】

（免责声明：此文内容为本网站刊发或转载企业宣传资讯，仅代表作者个人观点，与本网无关。仅供读者参考，并请自行核实相关内容。）