20180320-华泰证券-华泰人工智能系列之十_宏观周期指标应用于随机森林选股_19页_2mb

金工研究：结合宏观周期指标的随机森林选股模型总结

核心内容

本报告探讨了如何将宏观周期因子与随机森林模型结合，构建一个具有因子择时效应的选股策略。核心内容包括：

• 模型选择：采用随机森林模型，而非XGBoost模型，因为其更深的树结构和更多的分支节点更有利于捕捉周期因子带来的信息增益。
• 周期因子引入：引入华泰周期三因子（42个月、100个月、200个月周期因子），用于刻画市场状态，提升模型在不同市场环境下选股的适应性。
• 训练集设置：选用6个月的训练集，以减少模型对过去投资风格的依赖，提高对市场状态切换的响应速度。
• 模型效果：加入周期因子后，模型在样本外的平均预测正确率和AUC均有所提升，且在全A选股策略中表现优于传统模型。

主要观点

• 随机森林优于XGBoost：随机森林模型由于树的深度较大、分支节点较多，更容易将周期因子作为决策树的分支节点，从而更好地利用时间序列信息。
• 周期因子的择时效应：周期因子在市场状态切换时（即拐点）提供增量信息，帮助模型更准确地识别市场环境，从而做出更优的选股决策。
• 训练集长度选择：6个月的训练集有助于模型及时调整投资风格，减少回撤，同时提高市场状态划分的精度。
• 模型表现提升：加入周期因子的随机森林模型在年化超额收益率、信息比率和Calmar比率等方面均有显著提升。

关键信息

• 模型表现：加入周期因子后，随机森林模型的样本外平均正确率从 $53.61%$ 提升至 $53.72%$，AUC从0.5491提升至0.5503。
• 回测结果：全A选股策略（回测期：20110201～20180131）中，加入周期因子的模型年化超额收益率平均提升 $2.6%$，最大回撤下降 $3.7%$，信息比率提升0.55，Calmar比率提升0.82。
• 因子种类：模型中涉及的因子包括估值、成长、财务质量、杠杆、市值、动量反转、波动率、股价、beta、换手率、情绪、股东、技术等，共计70个传统因子加上3个周期因子。
• 回测方式：采用月频滚动回测，以沪深300、中证500、中证全指为基准，进行行业中性和个股等权策略的对比。

附录信息

• 周期三因子模型：华泰周期三因子模型基于上证综指同比序列的高斯滤波值，用于刻画市场运行状态，具有简单直观、可靠度高的特点。
• 数据处理：包括中位数去极值、缺失值处理、行业市值中性化和标准化等步骤，以提高模型的稳定性和预测能力。
• 模型构建流程：涵盖数据获取、特征和标签提取、特征预处理、训练集合成、模型训练、样本外测试和模型评价等环节。

风险提示

• 模型失效风险：加入周期三因子的随机森林模型基于历史数据挖掘，若未来市场环境发生重大变化，模型可能失效。

图表目录

• 图表1：各人工智能选股策略相对中证500累积超额收益图（训练期长度：72个月）
• 图表2：决策树集成模型——随机森林和XGBoost示意图
• 图表3：人工智能选股模型训练数据集示意图
• 图表4：引入时间序列因子的决策树结构示意图
• 图表5：引入指数衰减时间序列因子的决策树示意图
• 图表6：引入周期因子的决策树节点分裂示意图（训练期长度为6个月）
• 图表7：随机森林模型构建示意图
• 图表8：选股模型中涉及的全部因子及其描述
• 图表9：上证综指周期三因子及其描述
• 图表10：月频滚动回测示意图
• 图表11：随机森林和添加周期因子或衰减因子模型样本外正确率
• 图表12：随机森林和添加周期因子或衰减因子模型样本外AUC值
• 图表13：各种模型选股指标对比（全A选股，行业中性）
• 图表14：各种模型选股指标对比（全A选股，个股等权）
• 图表15：4种策略组合回测分析表（回测期：20110201～20180131）
• 图表16：4种策略超额收益和回撤表现（每个行业选4只个股）
• 图表17：回测区间（2011.2-2018.1）内周期因子重要性均值和排名
• 图表18：周期因子重要性时间序列
• 图表19：上证综指同比序列三周期高斯滤波
• 图表20：上证综指滤波回归系数
• 图表21：上证综指同比序列与回归拟合曲线