20220106-天风证券-海外文献推荐第206期_14页_1mb

金融工程：中国股票市场中怎样用机器学习来做股票投资？总结

核心内容

本文探讨了机器学习在中国股票市场中的应用，旨在构建一个适用于中国市场的股票收益预测因子集，并利用多种机器学习算法进行实证分析。作者发现神经网络在不同宏观经济条件下表现稳健且预测能力最强，尤其在小盘股和非国有企业样本中表现突出。此外，作者分析了多空和多头投资组合的表现，并指出在2015年股市暴跌和2020年新冠疫情期间，这些策略仍表现出良好的稳健性。

主要观点

• 中国股市的特殊性：由于市场由散户主导，且存在做空限制，其波动性较高，股价可能与基本面脱节。
• 因子集构建：作者构建了包含90个股票特征、11个宏观经济变量和80个行业哑变量的大型因子集，共1160个预测因子。
• 机器学习方法的预测能力：神经网络在样本外 $R^2$ 上优于其他模型，尤其是月度预测，其 $R^2$ 可达2.71%。
• 小盘股的预测性更强：小盘股的 $R^2$ 值显著高于大盘股，这可能与散户投资者行为有关。
• 宏观经济变量的重要性：通胀率（infl）和净股本扩张（ntis）是最重要的宏观经济预测因子，特别是在神经网络模型中。
• 股票特征的预测性：与市场流动性相关的因子，如异常周转率（ATR）和流动性波动率，具有更高的重要性。
• 投资组合表现：机器学习投资组合，特别是神经网络模型，在多空和多头策略中均表现出较高的夏普比率和回报率。
• 交易成本与限价规则：作者考虑了交易成本（佣金、印花税、滑点）和限价规则对投资组合的影响，发现这些因素对主要结果影响较小。

关键信息

数据和方法

• 数据来源：Wind数据库和CSMAR数据库，涵盖2000年1月至2020年6月期间的3900多只A股股票。
• 模型选择：使用了11种机器学习方法和两种线性模型（OLS和OLS-3）。
• 样本分割：将数据分为训练集（2000-2008）、验证集（2009-2011）和测试集（2012-2020），并每年进行再调参以提高模型的稳定性。
• 变量重要性分析：通过设置预测因子为零并计算 $R_{oos}^2$ 的减少来评估变量的重要性。

实证分析

• 全样本分析：神经网络模型在全样本中表现最好，样本外 $R^2$ 达到2.58%。
• 小盘股与大盘股：小盘股的预测性更强，神经网络在小盘股样本中 $R^2$ 达到7.27%。
• 小股东与大股东：机器学习方法在小股东股票中表现更优，神经网络在小股东样本中 $R^2$ 最高。
• 国有企业与非国有企业：神经网络在非国有企业中表现最佳， $R^2$ 达到8.18%。
• 年度预测：年度样本外 $R^2$ 比月度更高，表明机器学习方法能有效捕捉长期风险溢价。

投资组合分析

• 多空组合：神经网络模型的夏普比率最高，达到4.48%。
• 多头组合：神经网络表现最佳，夏普比率可达1.76%。
• 排除小盘股：即使排除小盘股，神经网络在大盘股中的表现依然优异。
• 交易成本：平均交易成本约为25bps，极端情况下可能更高。
• 限价规则：价格限制规则对主要结果影响较小，投资组合仍保持较高表现。

结论

• 机器学习的应用：机器学习方法，特别是神经网络，在中国股市中具有显著的预测能力和投资组合优势。
• 因子的重要性：流动性相关因子和中国特有的因子在模型中具有重要地位。
• 市场结构的影响：中国市场的特殊性，如散户主导和做空限制，影响了模型的预测性能。
• 政策因素：政策对国有企业的影响较大，使其在长期内更具可预测性。

图表摘要

• 图1：月度样本外 $R^2$ 百分比汇总，显示不同模型在全样本、小盘股、大盘股、小股东、大股东、SOE、Non-SOE中的表现。
• 图2：年度样本外 $R^2$ 百分比汇总，展示不同模型在年度层面的预测能力。
• 图3：11个宏观经济变量的相对重要性，显示ntis和infl的重要性。
• 图4：宏观经济变量的重要性汇总图，强调infl和ntis的作用。
• 图5：基于全样本的条件预测能力比较，显示NN4和NN5表现最佳。
• 图6：机器学习多空投资组合的样本外表现。
• 图7：机器学习多空投资组合的累计对数收益。
• 图8：机器学习多头投资组合的累计对数收益。
• 图9：基于大盘股的机器学习投资组合表现。
• 图10：基于国有企业的机器学习投资组合表现。

风险提示

本报告内容基于相关文献，不构成投资建议。