没有合适的资源?快使用搜索试试~ 我知道了~
渤海证券_0726_多因子模型研究系列之四:随机森林与传统多因子模型的选股风格对比.pdf
需积分: 0 3 下载量 118 浏览量
2023-07-28
12:18:00
上传
评论
收藏 1.27MB PDF 举报
温馨提示
试读
25页
渤海证券_0726_多因子模型研究系列之四:随机森林与传统多因子模型的选股风格对比.pdf
资源推荐
资源详情
资源评论
权益专题报告
请务必阅读正文之后的免责条款部分 1 of 25
金
融
工
程
研
究
证
券
研
究
报
告
权
益
专
题
报
告
证券分析师
宋旸
022-28451131
18222076300
songyang@bhzq.com
相关研究报告
《多因子模型研究之一:单
因子测试》20171011
《多因子模型研究之二:收
益预测模型》20171229
《多因子模型研究之三:风
险 模 型 与 组 合 优 化 》
20180416
《使用随机森林算法的行业
轮动模型——行业轮动专题
一》20180708
核心观点:
模型建立方法:
本篇报告中,我们分别使用机器学习中的随机森林算法与传统的线性回
归方法,针对沪深 300 成分股、中证 500 成分股与全体 A 股构建多因
子选股模型,比较二者的历史表现。同时针对两类模型选出的股票池,
运用业绩归因方法来探寻两个模型在选股上的风格异同,通过对比组合
的因子暴露和因子收益来确定两种选股结果的主要收益来源。
随机森林多因子模型构建方法:每个月月末截面期,选取下个月收益排
名前 30%的股票作为正例,后 30%的股票作为负例。将当前月份前 12
个月的样本合并形成训练集。使用训练集训练随机森林模型,预测下一
月个股涨跌概率,选取上涨概率最高的 50 支股票组成股票池。
传统多因子模型构建构建方法:采用估值、盈利、成长、动量、反转、
波动率、流动性、市值八大类因子建立线性回归模型,采用 12 个月的
移动平均方法预测因子未来收益。
回测结果总结:
在各个样本池中,随机森林模型的表现相比于传统多因子模型均有一定
程度的提升,尤其是在相比业绩基准的月度胜率上的提升十分显著。这
说明随机森林模型相比传统多因子模型具有更强的灵活性,可以更快的
把握市场风格的转变。
在业绩归因模型中,传统多因子模型在大部分因子暴露上的波动率均明
显大于随机森林模型。这说明在不加限制的情况下,传统多因子模型的
选股风格可能会更加极端化。
通过对于不同样本范围内选股结果的分析,可以发现,股票池中的小市
值股票越多(全 A>中证 500>沪深 300),模型选股结果的因子波动性越
大,同时在市值因子的暴露也逐步上升。对市值因子的依赖是多因子模
型一直面临的问题,在实际应用中,我们推荐对于市值因子做一定的风
险敞口控制,以防止因子失效带来的大幅回撤风险。
风险提示:
随着市场环境变化,模型存在失效风险。
随机森林与传统多因子模型的选股风格对比
——多因子模型研究系列之四
分析师:宋旸 SAC NO:S1150517100002 2018 年 7 月 26 日
权益专题报告
请务必阅读正文之后的免责条款部分 2 of 25
目 录
1. 概述 .................................................................................................................................... 5
2. 随机森林多因子模型的建立与运行结果 .............................................................................. 5
2.1 因子提取 ...................................................................................................................... 5
2.2 数据前期处理 ............................................................................................................... 9
2.3 模型建立 .................................................................................................................... 10
3. 回测结果 ........................................................................................................................... 11
3.1 针对沪深 300 的选股模型 .......................................................................................... 11
3.2 针对中证 500 股票的选股模型 ................................................................................... 14
3.3 针对全体 A 股的选股模型 .......................................................................................... 18
4.总结与未来研究方向展望 .................................................................................................. 21
权益专题报告
请务必阅读正文之后的免责条款部分 3 of 25
表目录
表 1:因子定义 ......................................................................................................................................... 6
表 2:沪深 300 选股模型历史回测结果 ..................................................................................................11
表 3:沪深 300 选股模型历史分年度收益统计结果 ................................................................................11
表 4:沪深 300 选股模型因子统计结果 ................................................................................................. 13
表 5:中证 500 选股模型历史回测结果 ................................................................................................. 15
表 6:中证 500 选股模型历史分年度收益统计结果 ............................................................................... 15
表 7:中证 500 选股模型因子统计结果 ................................................................................................. 16
表 8:全体 A 股选股模型历史回测结果 ................................................................................................. 18
表 9:全体 A 股选股模型历史分年度收益统计结果 ............................................................................... 18
表 10:全体 A 股选股模型因子统计结果 ............................................................................................... 20
权益专题报告
请务必阅读正文之后的免责条款部分 4 of 25
图目录
图 1:随机森林算法示意图 ...................................................................................................................... 5
图 2:沪深 300 选股模型回测收益曲线 ................................................................................................. 12
图 3:沪深 300 选股模型对冲基准回测收益曲线 ................................................................................... 12
图 4:沪深 300 选股模型市值因子历史暴露 .......................................................................................... 13
图 5:沪深 300 选股模型成长因子历史暴露 .......................................................................................... 13
图 6:沪深 300 选股模型盈利因子历史暴露 .......................................................................................... 13
图 7:沪深 300 选股模型估值因子历史暴露 .......................................................................................... 13
图 8:沪深 300 选股模型动量因子历史暴露 .......................................................................................... 14
图 9:沪深 300 选股模型反转因子历史暴露 .......................................................................................... 14
图 10:沪深 300 选股模型波动率因子历史暴露 .................................................................................... 14
图 11:沪深 300 选股模型流动性因子历史暴露 ..................................................................................... 14
图 12:中证 500 选股模型回测收益曲线 ............................................................................................... 15
图 13:中证 500 选股模型对冲基准回测收益曲线 ................................................................................. 16
图 14:中证 500 选股模型市值因子历史暴露 ........................................................................................ 17
图 15:中证 500 选股模型成长因子历史暴露 ........................................................................................ 17
图 16:中证 500 选股模型盈利因子历史暴露 ........................................................................................ 17
图 17:中证 500 选股模型估值因子历史暴露 ........................................................................................ 17
图 18:中证 500 选股模型动量因子历史暴露 ........................................................................................ 17
图 19:中证 500 选股模型反转因子历史暴露 ........................................................................................ 17
图 20:中证 500 选股模型波动率因子历史暴露 .................................................................................... 18
图 21:中证 500 选股模型流动性因子历史暴露 .................................................................................... 18
图 22:全体 A 股选股模型回测收益曲线 ............................................................................................... 19
图 23:全体 A 股选股模型对冲基准回测收益曲线 ................................................................................. 19
图 24:全体 A 股选股模型市值因子历史暴露 ........................................................................................ 20
图 25:全体 A 股选股模型成长因子历史暴露 ........................................................................................ 20
图 26:全体 A 股选股模型盈利因子历史暴露 ........................................................................................ 20
图 27:全体 A 股选股模型估值因子历史暴露 ........................................................................................ 20
图 28:全体 A 股选股模型动量因子历史暴露 ........................................................................................ 21
图 29:全体 A 股选股模型反转因子历史暴露 ........................................................................................ 21
图 30:全体 A 股选股模型波动率因子历史暴露 .................................................................................... 21
图 31:全体 A 股选股模型流动性因子历史暴露 .................................................................................... 21
权益专题报告
请务必阅读正文之后的免责条款部分 5 of 25
1. 概述
长久以来,多因子模型都是在量化选股中最常用的模型之一,该模型通过探寻因
子和股票收益率之间的统计关系,预测股票未来的收益,从中选择优质标的。传
统的多因子模型假设标的未来收益与因子间存在线性关系,通过截面线性回归构
建模型。历史上,该模型在中国 A 股市场中取得了较好的效果。2017 年以来,A
股市场风格经历了较大转变,传统多因子模型的表现较之前有了一定的回撤。于
是寻找更及时、更高效的收益预测算法成了多因子模型研究中亟需解决的问题。
随机森林算法是机器学习算法的一种。相比于其他机器学习算法和传统线性回归
模型,随机森林算法具有直观,参数少,抗干扰,不易出现过拟合等优点。在之
前的报告中,我们使用随机森林算法建立的针对行业指数的择时模型,取得了较
好的择时结果。在本篇报告中,我们将随机森林算法引入多因子模型,使模型更
灵活更稳定,回测取得了较好的结果。关于随机森林算法的介绍,请参见报告《使
用随机森林算法的行业轮动模型——行业轮动专题一》
图 1:随机森林算法示意图
资料来源:Wind,渤海证券研究所
2. 随机森林多因子模型的建立与运行结果
2.1 因子提取
随机森林模型与传统线性回归模型不同,因子不需要规避多重共线性限制,可以
尽量多的考虑各种有效因子。因子的选择上,我们具体测试了估值、盈利、成长、
动量、波动率、流动性、市值、反转八大类共 91 个小因子,并在测试名单中涵
剩余24页未读,继续阅读
资源评论
2201_75761617
- 粉丝: 20
- 资源: 7339
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 本科毕业设计基于C# wpf人脸识别的考勤系统的设计与实现源码.zip
- 基于Ruoyi+uniapp实现学生考勤系统 学生考勤源码+项目说明.zip
- feae6bc968ca68a099455d8b8a8dea35
- 基于Pytorch训练CIRAR10上分类算法.zip
- Pytorch-pytorch深度学习教程之Tensorboard.zip
- 基于C++和Python开发yolov8-face作为人脸检测器dlib作为人脸识别器的人脸考勤系统源码+项目说明.zip
- Pytorch-pytorch深度学习教程之变分自动编码器.zip
- Pytorch-pytorch深度学习教程之神经风格迁移.zip
- Pytorch-pytorch深度学习教程之深度残差网络.zip
- Pytorch-pytorch深度学习教程之循环神经网络.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功