20170804-华泰证券-华泰人工智能系列之三_人工智能选股之支持向量机模型_33页_4mb

金工研究：支持向量机模型在选股中的应用分析

核心内容概述

本报告为华泰人工智能选股系列的第三篇，重点探讨了支持向量机（SVM）模型在多因子选股中的应用，包括线性支持向量机、核支持向量机和支持向量回归（SVR）等模型的测试与比较。报告旨在通过系统测试，寻找最优的SVM模型以提升选股策略的收益表现和信息比率，同时评估其在不同市场中的适用性。

主要观点

• 支持向量机的优势：SVM是一种广泛应用的机器学习方法，特别适用于非线性分类和回归问题。相比于线性回归模型，SVM在多种选股策略中表现更优，尤其是高斯核SVM。
• 模型构建流程：包括特征提取、标签生成、特征预处理、样本内训练、交叉验证调参和样本外测试等步骤，最终生成对个股未来收益的预测值。
• 模型性能评估：采用正确率、AUC值、年化收益率、信息比率、最大回撤等指标对模型进行评估，其中AUC值被作为调参的重要依据。
• 核函数选择：高斯核SVM在多个策略中表现优于其他核函数，如线性核、多项式核和Sigmoid核，特别是在测试集正确率和AUC值上。
• 参数优化：通过网格搜索法对惩罚系数 $C$ 和 $\gamma$ 值进行优化，以达到模型在样本外的最优表现。
• 策略构建：基于SVM的预测结果构建了沪深300、中证500和全A股的选股策略，测试结果显示高斯核SVM在超额收益和信息比率上表现突出。

关键信息

1. 高斯核SVM的表现

• 沪深300成分股内选股：超额收益为 $4.9%$，信息比率为1.22。
• 中证500成分股内选股：超额收益为 $9.0%$，信息比率为2.37。
• 全A股选股：相对于中证500的超额收益为 $21.1%$，信息比率为3.66。

2. 高斯核SVM的优势

• 测试集正确率：达到 $56.25%$，优于线性核（$55.66%$）、3阶多项式核（$53.75%$）、7阶多项式核（$50.03%$）和Sigmoid核（$55.66%$）。
• 回测表现：优于支持向量回归模型。

3. 惩罚系数 $C$ 的影响

• 较大 $C$ 值：模型对错误分类容忍度低，训练集正确率高，但测试集正确率可能下降。
• 较小 $C$ 值：模型对错误分类容忍度高，倾向于最大化分类间隔，但可能影响模型性能。
• 最优参数选择：通过网格搜索法，选取交叉验证集AUC值最高的参数作为最终参数。

4. $\gamma$ 值的影响

• 较大 $\gamma$ 值：样本在高维空间中分布更稀疏，分类边界更复杂，可能引发过拟合。
• 较小 $\gamma$ 值：分类边界更简单，模型稳定性更高。
• 最优 $\gamma$ 值：在高斯核SVM中，$\gamma = 0.01$ 表现最优。

5. 选股模型涉及的因子

• 因子分类：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、股东等。
• 因子描述：如净利润（TTM）/总市值、营业收入（TTM）/总市值、ROE（最新财报，YTD）等。

6. 模型评价指标

• 正确率：衡量模型分类的准确程度。
• AUC值：反映模型在不同分类阈值下的综合性能，与分类阈值无关，更具普适性。
• 年化收益率、信息比率、最大回撤：用于评估策略的实际表现。

模型测试流程

1. 数据获取：

   • 股票池：沪深300成分股、中证500成分股、全A股。
   • 剔除ST股票、停牌股票、上市3个月内的股票。
   • 样本内区间：2005-01-31至2011-12-31。
   • 样本外区间：2011-01-31至2017-04-28。

2. 特征和标签提取：

   • 特征：70个因子暴露度。
   • 标签：个股下一期的超额收益（以沪深300指数为基准）。

3. 特征预处理：

   • 中位数去极值。
   • 缺失值处理。
   • 行业市值中性化。
   • 标准化。
   • 主成分分析（PCA）以减少共线性。

4. 训练集与交叉验证集划分：

   • 分类问题：按90%和10%的比例划分。
   • 回归问题：直接合并样本进行训练和验证。

5. 参数优化：

   • 采用网格搜索法对 $C$ 和 $\gamma$ 值进行遍历，选取最优参数。

6. 样本外测试：

   • 使用最优参数对样本外数据进行预测，构建选股策略并进行回测。

7. 模型评价：

   • 评估模型性能和策略表现，包括正确率、AUC、年化收益率、信息比率等。

模型测试结果

• 高斯核SVM（全A选股）：
  • 交叉验证集AUC最高为0.6137，测试集AUC为0.5870。
  • 预测值与真实收益率的相关系数较高，表明模型预测能力较强。
• Sigmoid核SVM（全A选股）：
  • 参数优化结果显示，最优参数组合为 $C=10$，$\gamma=3e-5$。
  • 在不同阈值下，模型的正确率和AUC值有所变化，但整体表现不如高斯核SVM。
• 支持向量回归（SVR）：
  • 回测表现不如支持向量机（SVM）。
• 线性回归：
  • 作为对照组，表现不如SVM模型。

总结和展望

• 模型选择：高斯核SVM在多因子选股中表现最佳，尤其是在全A股策略中。
• 参数优化：C和$\gamma$的合理选择对模型性能至关重要，需通过网格搜索法进行优化。
• 策略构建：SVM模型可有效用于构建选股策略，提升超额收益和信息比率。
• 未来研究方向：进一步优化模型参数，探索更多核函数的适用性，以及与其他机器学习方法的结合。

风险提示

• 历史经验总结：支持向量机模型构建的选股策略是基于历史数据的总结，存在失效的可能。
• 模型过拟合：在某些情况下，模型可能对训练数据表现良好，但对测试数据表现不佳，需谨慎处理。