LIBRARY

用 RAPIDS cuML 挖 Alpha 信号

RAPIDS cuML 加速器对于金融市场分析意义重大，因为处理股票收益率等大型数据集的scikit-learn代码在 CPU 上可能需要数小时，而利用 GPU 可以将计算时间缩短至数秒。

admin

• 9 min read
用 RAPIDS cuML 挖 Alpha 信号

在 GTC 2025 大会上，NVIDIA 宣布 RAPIDS cuML 现在为 scikit-learn 提供 GPU 加速。cuML 加速器无需任何代码更改即可实现高达 50 倍的显著速度提升。这对于金融市场分析意义重大，因为处理股票收益率等大型数据集在 CPU 上可能需要数小时，而利用 GPU 可以将计算时间缩短至数秒。

在本指南中，您将对标普 500 指数股票的历史收益率进行主成分分析 (PCA)。然后，使用 PCA 来提取潜在的 alpha 信号。使用 RAPIDS，速度可提升 50 倍。即使在 CPU 上，运行速度也很快。设置：在配备 NVIDIA GPU 的机器上通过 conda 安装 RAPIDS。

1、什么是 PCA？为什么是 alpha？

PCA（主成分分析）提取投资组合收益的统计驱动因素。这些驱动因素被称为“alpha 因子”（或简称因子），因为它们产生的收益无法用市场指数等基准来解释。

量化交易员在交易策略中使用因子：提取成分，然后买入对某个有前景的因子敞口高的股票，卖出敞口低的股票。今天，您将使用 Python 入门级代码，通过复制粘贴的方式完成这项工作。

2、导入和设置

首先导入库。sklearn 用于构建统计模型；我们通过 Jupyter Notebook 加载 cuML 扩展以实现 GPU 加速。

%load_ext cuml.accel  # Accelerates sklearn on GPU (RAPIDS magic!)
%matplotlib inline    # Ensures plots display in notebook
import yfinance as yf
import pandas as pd
import numpy as np
from sklearn.decomposition import PCA
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D  # For 3D plotting
import requests # For fetching latest S&P 500 list from wikipedia
from io import StringIO

接下来，从维基百科下载标普 500 指数代码，并通过 yfinance 获取收益率。

# Download latest S&P 500 symbols from Wikipedia
# Set a User-Agent to avoid 403 Error
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36'
}

# Try fetching S&P 500 symbols from Wikipedia
url = "https://en.wikipedia.org/wiki/List_of_S%26P_500_companies"
try:
    response = requests.get(url, headers=headers)
    response.raise_for_status()  # Check for HTTP errors
    tables = pd.read_html(StringIO(response.text))
    print(f"Found {len(tables)} tables.")
    main_table = tables[0]  # First table is S&P 500 constituents
    print("Main table columns:", main_table.columns.tolist())
    print("First few symbols:", main_table['Symbol'].head().tolist())
    snp_symbols = main_table['Symbol'].tolist()
except Exception as e:
    # alternatively you can load from a csv or even list manually if everything fails
    print(f"Error fetching data from Wikipedia: {e}")
    # Fallback: Use a local CSV or alternative source
    print("Using fallback: Provide a local CSV or alternative source.")
    # Example: Save symbols manually or load from a file
    # snp_symbols = ['AAPL', 'MSFT', 'GOOGL', ...]  # Replace with actual list or CSV
    # For now, raise error to prompt user action
    raise SystemExit("Please provide a local CSV with S&P 500 symbols or fix the network issue.")

# Clean symbols for yfinance
symbols = [sym.replace(".", "-") for sym in snp_symbols]  # e.g., BRK.B -> BRK-B

获取标普 500 指数后，您可以使用 yfinance 轻松下载数据。

# Test validity for yfinance data
data = yf.download(symbols, start="2020-01-01", end="2025-10-15")
if data.empty or 'Close' not in data:
    raise ValueError("No data downloaded.")

valid_symbols = []
for symbol in symbols:
    if symbol in data['Close'].columns and not data['Close'][symbol].isna().all():
        valid_symbols.append(symbol)
    
portfolio_returns = data['Close'][valid_symbols].pct_change().dropna()  # Daily returns (dates x stocks)

这将过滤掉所有从 yfinance 返回无效数据的股票代码。或者，您也可以创建一个失败股票代码列表，并将它们打印到控制台，以便更好地了解失败情况。

3、拟合 PCA 模型

sklearn 让 PCA 变得简单。对收益率进行拟合，以找到解释方差最大的主成分。

pca = PCA(n_components=5)  # Top 5 components for deeper insight
pca.fit(portfolio_returns)
pct = pca.explained_variance_ratio_  # % variance per component
pca_components = pca.components_     # Loadings (components x stocks)

n_components=5 选取解释方差最大的前五个主成分。拟合后，提取解释的方差和主成分。

在我的运行中，第一个主成分解释了约 29% 的方差；前五个主成分累计解释了约 44% 的方差。您的结果可能略有不同。

4、可视化主成分

可视化是阐明 PCA 数学原理的最佳方式。

cum_pct = np.cumsum(pct)
x = np.arange(1, len(pct) + 1, 1)
plt.subplot(1, 2, 1)
plt.bar(x, pct * 100, align="center")
plt.title('Contribution (%)')
plt.xlabel('Component')
plt.xticks(x)
plt.xlim([0, 6])
plt.ylim([0, 100])
plt.subplot(1, 2, 2)
plt.plot(x, cum_pct * 100, 'ro-')
plt.title('Cumulative contribution (%)')
plt.xlabel('Component')
plt.xticks(x)
plt.xlim([0, 6])
plt.ylim([0, 100])
plt.tight_layout()  # Nicer spacing
plt.show()

左侧条形图显示了每个组成部分的单独贡献：第一个组成部分解释了约 29%。右侧曲线显示的是累计贡献。在本例中，前五大因素贡献了约 44% 的总回报波动。

为了更好地理解这些因素，请尝试运行不同时间段的代码。如果我们更新时间段：

data = yf.download(symbols, start="2020-01-01", end="2021-12-31")

现在，第一个主成分的贡献突然变为约 25%，而前五大因素的累计贡献跃升至约 52%。您认为如果我们从 2020 年到 2024 年底进行测试会发生什么？

5、分离阿尔法因子

股价受一些未知因素的影响：市场贝塔系数、利率、疫情等等。主成分分析 (PCA) 可以将这些潜在因素识别为主成分。因子 1 通常是市场因素；其他因子则是潜在的阿尔法因素（例如，行业或宏观信号）。

计算每日因子收益率：

X = np.asarray(portfolio_returns)
factor_returns = X.dot(pca_components.T)  # (dates x 5 factors)
factor_returns = pd.DataFrame(
    columns=["f1", "f2", "f3", "f4", "f5"], 
    index=portfolio_returns.index,
    data=factor_returns
)
factor_returns.head()

每一行：当日投资组合收益中每个因子的占比。相似的股票具有相似的因子敞口——这是策略的关键。

6、可视化股票风险敞口

在三维空间中查看股票按因子聚类（风险敞口/载荷）：

# Get loadings per stock (stocks x components)
loadings = pca.components_[:3].T  # First 3 factors (n_stocks x 3)
fig = plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111, projection='3d')
# Plot stock positions, colored by f3 exposure
sc = ax.scatter(loadings[:, 0], loadings[:, 1], loadings[:, 2], 
                c=loadings[:, 2], cmap='viridis', s=20, alpha=0.6)
ax.set_xlabel('Factor 1 (Market Beta)')
ax.set_ylabel('Factor 2 (e.g., Growth)')
ax.set_zlabel('Factor 3 (e.g., Value)')
plt.colorbar(sc, ax=ax, label='Factor 3 Exposure')
plt.title('S&P 500 Stocks Clustered by Top 3 Factors')
plt.show()

出现了不同的聚类：科技股在一个区域（增长倾向），能源股在另一个区域（价值/周期性）。对于 2020-2025 年（新冠疫情时代），因子 1 可能反映了“不确定性”，黄金股因对冲风险而上涨，科技股则因经济担忧而暴跌。

7、RAPIDS 的强大功能

上述实现并未充分发挥 RAPIDS 的强大功能。对于拥有数百万行或数千个特征的大型数据集，cuML 可以将运行时间从数小时缩短到数秒或数分钟。对于当前标普500指数股票约5年（2020年1月1日至2025年10月15日，约1429天，已计入交易日）的数据集，生成的投资组合收益矩阵的形状为(1429, 503)（行数×列数）。以下是一些能够充分发挥其优势的具体应用场景：

  • 利用大规模协方差矩阵计算进行投资组合优化。投资组合经理使用现代投资组合理论（MPT）通过计算股票收益的协方差矩阵来优化资产配置，从而在给定收益下最小化风险。对于10000只全球股票，如果拥有10年的每日收益数据，则数据量约为2500万个。NVIDIA A100 GPU可以在5-10秒内完成此计算。
  • 利用聚类进行市场机制检测的高频交易。公司通过对日内价格走势进行聚类分析来识别市场机制（例如，牛市、熊市或波动性），并调整交易策略。对 1000 只股票一个月内的 1 分钟收益率进行聚类分析，可生成约 4000 万个数据点。

利用 PCA 对大型 ETF 数据集进行风险因子建模。风险分析师应用 PCA 对数千只 ETF（例如，5000 只 ETF）五年（约 1260 个交易日）的收益率进行分解，以识别潜在的风险因子（例如，市场因子、行业因子或波动性因子）。这将生成一个形状为 (1260, 5000) 的矩阵，包含约 630 万个数据点。

  • 在所有这些情况下，利用 GPU 进行并行矩阵计算可以大幅缩短计算时间。剩下的唯一问题就是数据的可用性。

8、结束语

您已经掌握了基础知识：拟合 PCA 模型、识别因子、可视化风险敞口。现在开始实验吧！

原文链接：Quant Finance: Alpha Discovery is 50x Faster on GPU with RAPIDS

汇智网翻译整理，转载请标明出处