金工机器学习专题之二：机器学习残差因子表现归因-20211124-德邦证券-16页_1mb

报告摘要

金融工程专题总结

核心内容

本文探讨了机器学习残差因子在全市场选股中的应用及表现，旨在通过非线性建模方法弥补传统多元线性回归模型的局限性。研究基于CNE5中的十个风格因子，通过加权线性回归计算残差收益率，并使用神经网络、随机森林和提升树三种机器学习模型拟合该残差收益率，构造出机器学习残差因子。该因子对风格因子进行了正交化处理，从而去除风格偏好，专注于特质选股能力。

主要观点

线性模型的局限：传统线性回归模型在解释因子与股票回报关系时存在以下问题：
- 回报与因子之间的关系可能为非单调。
- 因子对回报的敏感性可能不是常数。
- 不同因子之间可能存在交互效应，且其影响可能依赖于其他因子的取值。
机器学习残差因子的构建：
- 通过机器学习模型拟合残差收益率，以捕捉非线性效应。
- 使用集成、交错训练等方法避免过拟合。
- 通过正交化处理风格因子，构造出机器学习残差因子。
机器学习残差因子的选股能力：
- 该因子在全市场选股中表现出较强的选股能力，其暴露最高的组具有显著的超额收益。
- 与风格因子线性不相关，因此不体现风格偏好。
- 超额收益主要来源于特质选股能力，且该能力在回测期间表现稳定。
不同股票池的选股效果：
- 在沪深300和中证500成分股中选股效果不佳，这与这些股票定价的有效性相关。
- 小市值股票池中，机器学习残差因子表现出较好的选股能力，且具有更高的超额收益。
策略容量测试：
- 假设每只股票日交易额的10%为最大交易量，测试了不同资金量下的超额收益。
- 初始资金量从1亿到500亿不等，结果显示即使资金量较大，超额收益仍较为可观。
- 组合具有较低的换手率，有利于降低交易成本并提高调仓完成度。
双因子分组方法：
- 通过机器学习残差因子与风格因子组合进行分组，提升选股能力。
- 在高机器学习因子暴露的股票池中，多个风格因子表现出较强的选股能力，如小市值、低流动性、高贝塔等。

关键信息

机器学习模型：神经网络、随机森林、提升树。
因子暴露计算：使用加权线性回归，权重为股票市值的四分之一次方。
归因分析：
- 行业归因：第十组（因子暴露最高）的行业主动暴露普遍较小，超额收益主要来自特质选股。
- 风格归因：非线性市值因子带来最大的超额收益，流动性因子带来一定的损失。
容量测试：
- 初始资金量从1亿到500亿，组合的年化收益率随着资金量增加而略有下降。
- 调仓完成度（η）随资金量增加而下降，但整体仍能较好地代表策略。
回测区间：2012年12月至2021年11月。
投资组合构成：
- 主要由沪深300、中证500以外的小市值股票构成。
- 小市值股票贡献了最多的收益和超额收益。

风险提示

海外市场波动风险。
宏观数据与政策变化风险。
模型失效风险。

附录信息

分析师信息：肖承志，德邦证券研究所首席金融工程分析师，同济大学应用数学硕士，6年证券研究经验。
研究助理：相关研究包括《机器学习因子：在线性因子模型中捕获非线性》和《利用机器学习捕捉因子的非线性效应》。
投资评级说明：
- 股票投资评级分为买入、增持、中性、减持。
- 行业投资评级分为优于大市、中性、弱于大市。
- 评级基于相对市场表现，不构成具体投资建议。

图表目录（关键结果）

图1：全市场选股分组回测结果。
图2：全市场选股组10回报的行业和风格归因。
图3：全市场选股组10回报的指数成分归因。
图4：全市场选股容量测试，各组净值曲线。
图5：全市场选股容量测试，各组超额收益曲线。
图6：调仓完成度与资金量的关系。
图7：沪深300指数成分股选股回测结果。
图8：中证500指数成分股选股回测结果。
图9：沪深300、中证500成分股以外选股回测结果。
图10：双因子分组回测结果。

表格目录（关键数据）

表1：行业平均主动暴露及年化超额收益率贡献。
表2：因子平均主动暴露及年化超额收益率贡献。

结论

机器学习残差因子在全市场选股中表现出较强的选股能力，其超额收益主要来源于特质选股，且在不同时间段保持稳定。然而，在大市值和中市值股票池中选股效果不佳，这可能与这些股票定价的有效性有关。为了提高选股能力，应从因子输入层面进行优化。此外，该因子不具有风格偏好，但可以与风格因子结合进行双因子分组选股，从而获得更优的选股效果。

展开完整摘要