20170622-华泰证券-华泰人工智能系列之二_人工智能选股之广义线性模型_34页_1mb

报告摘要

金工研究：人工智能选股之广义线性模型

核心内容概述

本文是华泰证券金工研究系列的第二篇，探讨了广义线性模型在多因子选股中的应用。研究旨在通过引入机器学习的思想，对传统多因子模型进行优化，分析不同模型在因子暴露与未来收益预测方面的表现，并评估模型参数对选股效果的影响。

主要观点与关键信息

1. 广义线性模型的本质

广义线性模型是基于股票当期因子暴露与未来收益之间的线性关系构建的模型。其核心在于通过特征提取、预处理、训练集合成和滚动训练等步骤，生成对个股未来收益的预测值，也可以视为一个因子合成模型。

模型构建：使用70个因子暴露度作为特征，以沪深300或中证500的超额收益作为标签。
模型类型：包括线性回归、岭回归、Lasso回归、弹性网络、逻辑回归、SGD + hinge损失、SGD + modified Huber损失等。

2. 参数敏感性分析

滚动训练集长度：12~24个月的训练集长度效果最佳。
主成分分析（PCA）：保留更多主成分能提升回测效果。
训练集样本量：在沪深300行业中性基准下，使用全部样本表现最佳；在中证500行业中性基准下，选择前后20%的样本效果最好。

3. 正则化效果

正则化无明显提升：岭回归、Lasso回归和弹性网络的表现与线性回归类似，说明样本中的因子已具有较强的预测能力，无需额外筛选。
原因：特征预处理（如去极值、标准化）减少了极端样本，削弱了正则化的必要性。

4. 分类模型优于回归模型

逻辑回归与SGD分类器表现更优：将回归问题转换为分类问题，能减少噪音，提升模型的预测能力。
SGD + hinge损失模型最佳：在中证500行业中性基准下，该模型的信息比率和Calmar比率均在4左右，超额收益最大回撤约5%。

5. 模型评价与回测

评价指标：年化收益率、夏普比率、信息比率、最大回撤、胜率等。
分层回测：按因子值对个股进行分层，构建投资组合，评估模型效果。
行业与市值中性化：模型在沪深300和中证500行业中性基准下表现较好，且不同市值区间和行业的回测结果差异显著。

模型测试结果与参数选择

1. 线性回归模型分层回测分析

投资组合	年化收益率	年化波动率	夏普比率	最大回撤	年化超额收益率	年化跟踪误差	信息比率	相对基准月胜率	超额收益最大回撤
组合1	24.06%	31.45%	0.77	68.68%	8.12%	4.35%	1.87	60.69%	4.77%
组合2	14.69%	32.39%	0.45	70.17%	-0.05%	3.30%	-0.02	44.14%	11.73%
组合3	11.69%	32.45%	0.36	70.79%	-2.66%	3.06%	-0.87	33.10%	29.23%
组合4	8.09%	32.34%	0.25	71.46%	-5.80%	3.42%	-1.70	23.45%	46.19%
组合5	-0.18%	33.00%	-0.01	73.96%	-13.01%	4.59%	-2.83	13.79%	75.43%
基准组合	14.75%	32.13%	0.46	70.29%	-	-	-	-	-
多空组合	24.29%	7.82%	3.11	6.58%	-	-	-	-	-

2. 模型表现分析

组合1：表现最佳，年化超额收益率为8.12%，信息比率为1.87。
组合5：表现最差，年化超额收益率为-13.01%，信息比率为-2.83。
多空组合：年化收益率为24.29%，波动率7.82%，信息比率3.11，表现优于单个组合。

3. 行业与市值区间分析

行业表现：不同行业对模型的响应不同，例如通信行业组合1年化超额收益率26.55%，信息比率2.17；而传媒行业组合1年化超额收益率12.78%，信息比率0.72。
市值区间：不同市值区间的表现差异显著，例如全市场股票分三类，每类的绩效指标均不相同。

结论与展望

本文系统性地测试了多种广义线性模型在多因子选股中的表现，并分析了关键参数对模型效果的影响。结果显示，逻辑回归和SGD分类器在提升选股效果方面优于线性回归模型，尤其在中证500行业中性基准下表现突出。此外，模型在不同行业和市值区间的表现差异显著，说明模型的适应性和行业特征的重要性。未来研究可进一步探索非线性模型在选股中的应用，以提升模型的预测能力和实用性。