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: 0 118 浏览量
2023-07-28
12:18:00
上传
评论
收藏 1.27MB PDF 举报
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
剩余24页未读，继续阅读
资源评论
2201_75761617
- 粉丝: 20
- 资源: 7339
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
