Resumo Técnico: Trading Quantitativo Multifatorial Aprimorado por Aprendizado de Máquina

1. Definição do Problema: Contaminação a Montante

O artigo identifica uma falha crítica, frequentemente negligenciada, em pipelines de trading quantitativo para os mercados de ações A chineses: a contaminação a montante.

Nos mercados de ações A, os limites diários de preço (±10% para o mercado principal, ±20% para STAR/ChiNext) significam que os preços de fechamento de ações que atingem esses limites são não executáveis (ordens de compra não correspondidas permanecem sem preenchimento). A prática padrão da indústria envolve o cálculo de fatores de janela rolante (por exemplo, médias móveis, correlações, rankings) sobre o conjunto de dados completo e a filtragem de ações não negociáveis após a agregação.

Os autores demonstram que essa filtragem "post-hoc" falha porque os primitivos de janela rolante já ingeriram os preços não executáveis. Esses valores contaminados propagam-se por toda a cadeia de fatores, criando um "alfa fantasma".

• A Consequência: O modelo aprende a prever retornos que são mecanicamente altos (devido a ações com limite de alta), mas impossíveis de negociar.
• O Impacto: Em dados reais, ignorar esse viés infla o Coeficiente de Informação (IC) aparente em 18%, enquanto reduz o índice de Sharpe realizado em 0,44 pontos. Trata-se de uma forma de viés de olhar para o futuro, onde o modelo prevê eventos não negociáveis.

2. Metodologia: A Arquitetura "Máscara-Primeiro"

A contribuição central é um padrão de design "máscara-primeiro", onde uma máscara booleana de negociabilidade ($M \in \{0, 1\}^{T \times N}$) é construída no momento do carregamento dos dados e transmitida através de cada operador computacional. Nenhuma janela lê nunca um preço não negociável.

A. Componentes do Sistema

1. Primitivas Conscientes de Máscara (Otimizadas em GPU):

   • Implementação de 18 primitivas personalizadas em PyTorch usando torch.unfold para lidar com janelas rolantes na GPU.
   • Velocidade: Alcança uma aceleração de 51× em relação às implementações padrão em pandas (10,6s vs. 542s para um pipeline de 3.000 ações e 213 fatores em uma A100).
   • Lógica:
     • Ranking: Células mascaradas são preenchidas com $+\infty$ antes da ordenação para serem classificadas por último, e depois zeradas. Os denominadores usam a contagem de células válidas, não o total de ações.
     • Correlação: Calcula a correlação de Pearson mascarada; se qualquer célula na janela estiver mascarada, a saída é marcada como não confiável.
     • EWMA: Mantém o valor do acumulador anterior quando uma célula mascarada é encontrada, em vez de redefinir, prevenindo desvios.
   • Precisão: Utiliza float64 para primitivas baseadas em recorrência para evitar erros de acumulação (erro relativo observado de 0,3% em float32 após 2.500 passos).

2. Motor de Fatores:

   • 213 Fatores: Compostos por 9 fórmulas Alpha101 curadas e 204 fatores legados específicos da microestrutura das ações A (por exemplo, desvios de VWAP, dinâmicas de giro, crises de liquidez por movimentos de limite).
   • Neutralização: Todos os fatores são residualizados contra variáveis dummy setoriais (29 categorias CSI) e logaritmo da capitalização de mercado via MQO antes da padronização z transversal.

3. Treinamento de Aprendizado de Máquina:

   • Conjunto de Dados: Filtragem bidirecional garante que tanto a data do recurso ($t$) quanto a data do rótulo ($t+1$) sejam negociáveis.
   • Função de Perda MSE Ajustada: Uma função de perda personalizada que penaliza previsões de sinal errado 11 vezes mais severamente do que erros de magnitude ($\gamma=0,1$).
     • Racional: Gestores de portfólio sofrem mais com erros direcionais (comprar uma ação que cai) do que com erros de magnitude (subdimensionar uma operação vencedora).
   • Arquiteturas: Testou-se um pequeno MLP (44K parâmetros) e um Transformer no eixo de fatores (220K parâmetros), onde os fatores são tokenizados como posições de sequência.
   • Aumento de Dados: Utiliza Block-Bootstrap GBM para gerar painéis de retorno sintéticos. Isso preserva a correlação serial de curto alcance e suaviza o panorama de perda, ajudando particularmente o Transformer a evitar o sobreajuste catastrófico.

4. Construção de Portfólio:

   • Otimização: Otimização média-variância (Markowitz) com contração Ledoit-Wolf para estimação de covariância.
   • Restrições: Longo apenas, posição máxima de 3%, aversão ao risco $\alpha=10$.
   • Eficiência: Utiliza cvxpy com cache de inicialização quente, reduzindo o tempo de resolução de ~1,2s para ~0,2s por dia, evitando a canibalização repetida do problema.

3. Resultados Chave

O sistema foi avaliado em um painel sintético (3.000 ações, 14 anos) e em dados reais proprietários de ações A (2022–2024).

Estudos de Ablação

O artigo isola a contribuição de cada componente, revelando que a engenharia de dados supera a complexidade do modelo:

1. Contrato de Máscara: O maior contribuinte único (+0,44 Sharpe). Sua remoção causa uma queda massiva no desempenho realizado, apesar de um IC aparente mais alto.
2. Função de Perda MSE Ajustada: Adiciona +0,27 Sharpe sobre o MSE padrão.
3. Aumento GBM: Adiciona +0,19 Sharpe.
4. Contração Ledoit-Wolf: Adiciona +0,18 Sharpe.
5. Arquitetura Transformer: Adiciona +0,12 Sharpe sobre o MLP.

Índice de Sharpe Desinflado (DSR): Após ajuste para testes múltiplos (mais de 50 configurações testadas), o DSR para o Sharpe de dados reais de 1,63 é 0,978, indicando uma probabilidade de 97,8% de que o Sharpe verdadeiro exceda zero.

4. Significado e Alegações

O artigo enquadra sua contribuição não como uma descoberta teórica inovadora, mas como um estudo sistemático de engenharia abordando um modo de falha específico no ML financeiro.

• Engenharia sobre Teoria: Os autores argumentam que "escolhas de implementação enganosamente pequenas" (como lidar com NaNs ou preços de limite de alta) alteram os índices de Sharpe reportados em pontos inteiros. Eles afirmam que, em mercados com microestrutura de lacuna de preenchimento (como as ações A), a engenharia de qualidade de dados domina a arquitetura do modelo como fonte de alfa.
• O Padrão "Máscara-Primeiro": O artigo postula que a eliminação de viés é um motor de desempenho de primeira ordem, não uma etapa de higiene. A abordagem máscara-primeiro é apresentada como um padrão generalizável para qualquer mercado com preços não executáveis (disparadores de circuito, suspensões, restrições T+1).
• Transparência: Os autores liberam explicitamente a implementação completa (motor de 213 fatores, loop de treinamento, otimizador, backtest e gerador de dados sintéticos) sob licença MIT para permitir a reprodutibilidade sem dados proprietários.
• Honestidade no Desempenho: O sistema evita corretamente ações com limite de alta durante rallies eufóricos (por exemplo, setembro de 2024), resultando em desempenho inferior em relação ao índice de mercado durante esses períodos específicos. Os autores enquadram isso não como uma falha, mas como o "custo honesto" de um design que se recusa a prever retornos não negociáveis.

5. Limitações Reconhecidas

• Restrição Longo Apenas: Devido às restrições de venda a descoberto nas ações A, o sistema não pode capturar alfa long-short.
• Custos de Transação: Utiliza um modelo de custo linear (5–8 bps), que é otimista para grandes portfólios com impacto de mercado convexo.
• Janela de Dados: O período de teste de dados reais (2022–2024) cobre apenas um ciclo de baixa, um lateral e um de alta, o que é mais curto do que as janelas padrão de pesquisa de fatores.
• Pressupostos Distribucionais: O aumento GBM assume retornos log-normais, potencialmente sub-representando eventos de cauda.

O artigo conclui que o contrato "máscara-primeiro" é o fator mais significativo no sucesso do sistema, provando que, no trading quantitativo, modelar corretamente o que não pode ser negociado é tão importante quanto prever o que pode.