Résumé Technique : Trading Quantitatif Multi-Facteur Amélioré par l'Apprentissage Automatique

1. Définition du Problème : Contamination Amont

L'article identifie un défaut critique, souvent négligé, dans les pipelines de trading quantitatif pour les marchés chinois d'actions A : la contamination amont.

Sur les marchés A, les limites journalières de cours (±10 % pour le marché principal, ±20 % pour STAR/ChiNext) signifient que les cours de clôture des actions atteignant ces limites sont inexécutables (les ordres d'achat non appariés restent non exécutés). La pratique industrielle standard consiste à calculer des facteurs sur fenêtres glissantes (par exemple, moyennes mobiles, corrélations, rangs) sur l'ensemble des données et à filtrer les actions non négociables après l'agrégation.

Les auteurs démontrent que ce filtrage a posteriori échoue car les primitives de fenêtre glissante ont déjà ingéré les prix inexécutables. Ces valeurs contaminées se propagent à travers toute la chaîne de facteurs, créant un « alpha fantôme ».

• La Conséquence : Le modèle apprend à prédire des rendements mécaniquement élevés (dus aux actions en limite haute) mais impossibles à trader.
• L'Impact : Sur des données réelles, ignorer ce biais gonfle le Coefficient d'Information (IC) apparent de 18 % tout en réduisant le ratio de Sharpe réalisé de 0,44 point. Il s'agit d'une forme de biais de regard vers l'avenir où le modèle prédit des événements non négociables.

2. Méthodologie : L'Architecture « Masque-En-Premier »

La contribution centrale est un modèle de conception « masque-en-premier » où un masque booléen de négociabilité ($M \in \{0, 1\}^{T \times N}$) est construit au moment du chargement des données et transmis à travers chaque opérateur de calcul. Aucune fenêtre ne lit jamais un prix non négociable.

A. Composants du Système

1. Primitives Sensibles au Masque (Vectorisées GPU) :

   • Implémentation de 18 primitives PyTorch personnalisées utilisant torch.unfold pour gérer les fenêtres glissantes sur le GPU.
   • Vitesse : Atteint une accélération de 51× par rapport aux implémentations pandas standard (10,6 s contre 542 s pour un pipeline de 3 000 actions et 213 facteurs sur un A100).
   • Logique :
     • Classement : Les cellules masquées sont remplies par $+\infty$ avant le tri pour être classées en dernier, puis mises à zéro. Les dénominateurs utilisent le nombre de cellules valides, et non le nombre total d'actions.
     • Corrélation : Calcule la corrélation de Pearson masquée ; si une cellule quelconque dans la fenêtre est masquée, la sortie est marquée comme peu fiable.
     • EWMA : Maintient la valeur précédente de l'accumulateur lorsqu'une cellule masquée est rencontrée plutôt que de réinitialiser, empêchant la dérive.
   • Précision : Utilise float64 pour les primitives basées sur la récurrence afin d'éviter les erreurs d'accumulation (erreur relative observée de 0,3 % en float32 après 2 500 étapes).

2. Moteur de Facteurs :

   • 213 Facteurs : Composés de 9 formules Alpha101 soigneusement sélectionnées et de 204 facteurs hérités spécifiques à la microstructure des actions A (par exemple, écarts VWAP, dynamiques de turnover, crises de liquidité lors des mouvements de limite).
   • Neutralisation : Tous les facteurs sont résiduels par rapport aux variables indicatrices sectorielles (29 catégories CSI) et à la capitalisation boursière logarithmique via les MCO avant le centrage-réduction (z-scoring) transversal.

3. Entraînement par Apprentissage Automatique :

   • Jeu de Données : Un filtrage bidirectionnel garantit que la date de la caractéristique ($t$) et la date de l'étiquette ($t+1$) sont toutes deux négociables.
   • Fonction de Perte MSE-Ajustée : Une fonction de perte personnalisée qui pénalise les prédictions de signe erroné 11 fois plus lourdement que les erreurs de magnitude ($\gamma=0,1$).
     • Raison : Les gestionnaires de portefeuille souffrent davantage des erreurs directionnelles (acheter une action qui baisse) que des erreurs de magnitude (sous-dimensionner un trade gagnant).
   • Architectures : Test d'un petit MLP (44K paramètres) et d'un Transformer sur l'axe des facteurs (220K paramètres) où les facteurs sont tokenisés comme des positions de séquence.
   • Augmentation des Données : Utilise le GBM par Bootstrap par Blocs pour générer des panneaux de rendements synthétiques. Cela préserve la corrélation sérielle à court terme et lisse le paysage de perte, aidant particulièrement le Transformer à éviter le surapprentissage catastrophique.

4. Construction de Portefeuille :

   • Optimisation : Optimisation moyenne-variance (Markowitz) avec rétrécissement Ledoit-Wolf pour l'estimation de la covariance.
   • Contraintes : Long-only, position maximale 3 %, aversion au risque $\alpha=10$.
   • Efficacité : Utilise cvxpy avec mise en cache du démarrage à chaud, réduisant le temps de résolution de ~1,2 s à ~0,2 s par jour en évitant la canonicalisation répétée du problème.

3. Résultats Clés

Le système a été évalué sur un panneau synthétique (3 000 actions, 14 ans) et des données réelles propriétaires d'actions A (2022–2024).

Études d'Ablation

L'article isole la contribution de chaque composant, révélant que l'ingénierie des données l'emporte sur la complexité du modèle :

1. Contrat de Masque : Le plus grand contributeur unique (+0,44 de Sharpe). Son retrait provoque une chute massive de la performance réalisée malgré un IC apparent plus élevé.
2. Perte MSE-Ajustée : Ajoute +0,27 de Sharpe par rapport à la MSE standard.
3. Augmentation GBM : Ajoute +0,19 de Sharpe.
4. Rétrécissement Ledoit-Wolf : Ajoute +0,18 de Sharpe.
5. Architecture Transformer : Ajoute +0,12 de Sharpe par rapport au MLP.

Ratio de Sharpe Déflaté (DSR) : Après ajustement pour les tests multiples (plus de 50 configurations essayées), le DSR pour le Sharre de données réelles de 1,63 est de 0,978, indiquant une probabilité de 97,8 % que le vrai Sharpe dépasse zéro.

4. Signification et Revendications

L'article présente sa contribution non pas comme une percée théorique novatrice, mais comme une étude systématique d'ingénierie abordant un mode de défaillance spécifique dans le ML financier.

• Ingénierie plutôt que Théorie : Les auteurs soutiennent que des « choix d'implémentation trompeusement petits » (comme la gestion des NaN ou des prix en limite haute) font varier les ratios de Sharpe rapportés de points entiers. Ils affirment que dans les marchés avec une microstructure de lacunes de remplissage (comme les actions A), l'ingénierie de la qualité des données domine l'architecture du modèle en tant que source d'alpha.
• Le Modèle « Masque-En-Premier » : L'article postule que l'élimination des biais est un moteur de performance de premier ordre, et non une étape d'hygiène. L'approche masque-en-premier est présentée comme un modèle généralisable pour tout marché avec des prix inexécutables (disjoncteurs de circuit, suspensions, contraintes T+1).
• Transparence : Les auteurs publient explicitement l'implémentation complète (moteur de 213 facteurs, boucle d'entraînement, optimiseur, backtest et générateur de données synthétiques) sous licence MIT pour permettre la reproductibilité sans données propriétaires.
• Honnêteté dans la Performance : Le système évite correctement les actions en limite haute lors des rallies euphoriques (par exemple, septembre 2024), entraînant une sous-performance par rapport à l'indice de marché pendant ces périodes spécifiques. Les auteurs ne présentent pas cela comme un échec, mais comme le « coût honnête » d'une conception qui refuse de prédire des rendements non négociables.

5. Limites Reconnues

• Contrainte Long-Only : En raison des restrictions de vente à découvert sur les actions A, le système ne peut pas capturer l'alpha long-short.
• Coûts de Transaction : Utilise un modèle de coût linéaire (5–8 points de base), ce qui est optimiste pour les grands portefeuilles avec un impact de marché convexe.
• Fenêtre de Données : La période de test sur données réelles (2022–2024) ne couvre qu'un cycle baissier, un cycle latéral et un cycle haussier, ce qui est plus court que les fenêtres de recherche de facteurs standard.
• Hypothèses Distributionnelles : L'augmentation GBM suppose des rendements log-normaux, sous-représentant potentiellement les événements de queue.

L'article conclut que le contrat « masque-en-premier » est le facteur le plus significatif du succès du système, prouvant que dans le trading quantitatif, modéliser correctement ce qui ne peut pas être négocié est aussi important que prédire ce qui peut l'être.