20240802-西南证券-机器学习应用系列_如何利用机器学习赋能红利高股息投资_33页_4mb

机器学习赋能红利高股息投资

摘要
本文以机器学习算法为基础，探讨了机器学习在红利高股息投资中的两个应用场景：基于决策树模型选择红利指数，以及使用强化学习算法动态调整因子权重。

1. 红利主题指数配置

• 方法：利用LightGBM算法构建红利指数配置因子，涵盖76个特征（含股息率及技术指标）。
• 回测表现：2021-2024年6月，因子RankIC达1711%，多头组合年化收益1539%，超额收益806%，最大回撤1734%，剔除无ETF跟踪指数后表现更优（超额676%，回撤1432%）。
• 特征：包括滚动股息率、量价指标、技术指标等。

2. 泛高股息选股因子动态复权

• 股票池构建：以“股息率+流动性”筛选全市场标的，构建泛高股息股票池（截至2024年6月共1619只股票），并以股息率加权构建指数。
• 因子测试：测试量价、质量、盈利、估值、成长五大类因子及股息兑现因子，选出表现优异的子因子，等权合成后IC达760%，多头组合年化收益1768%，超额664%。
• 强化学习应用：采用DQN算法动态调整因子权重，IC均值为955%，多头年化收益1758%，相对等权因子超额593%，信息比率0.90，显著优于等权策略。

3. 风险提示

• 回测结果非未来表现保证。
• 数据存在滞后性及第三方风险。
• 策略优化依赖历史数据，不能保证可持续性。

关键词：机器学习；LightGBM；DQN；红利指数；动态因子复权。