20150615-兴业证券-聪明的Alpha_机器觉醒__38页_3mb

兴业SmartAlpha动态选股模型总结

核心内容

本报告介绍了兴业证券基于机器学习中的AdaBoost算法构建的SmartAlpha动态选股模型，旨在通过动态选择和组合传统因子，提升多因子模型的预测能力和稳定性。该模型的核心在于利用机器学习算法对传统因子进行非线性优化，形成SA因子，以期在A股市场中获得持续的超额收益。

主要观点

• 模型构建：SmartAlpha模型以AdaBoost算法为核心，动态选择并组合有效的传统因子，构建SA因子，实现选股的自适应性与预测能力的提升。
• 模型优势：通过动态因子选择，模型能够更好地适应市场风格的轮动，相较于传统的静态模型，具有更强的稳定性与预测能力。
• 因子优化：SA因子在2006年以来的RankIC月平均值高达9.16%，而经过进一步优化后的SA_12M_5SM因子，其RankIC月均值提升至10.09%，夏普比率也达到3.08。
• 策略表现：基于SA_12M_5SM因子构建的量化对冲选股策略，在交易成本考虑下，年化超额收益率为16.31%，Sharpe比率为2.79，最大回撤仅为4.93%。
• 模型改进：通过考虑日历效应，SA_12M_5SM因子在不同月份的波动性与回撤得到了有效控制，提升了模型的稳定性。
• 交易成本影响：策略对交易费率较为敏感，随着交易费率的增加，年化收益和夏普比率有所下降，但即便在0.3%的费率下，策略仍能保持稳定超额收益。

关键信息

1. 因子池与模型构建

• 选用6大类共65个因子，最终选定33个因子作为训练样本。
• 每期动态选择因子，以提升模型的适应性和稳定性。
• SA因子通过AdaBoost算法构建，将弱分类器进行加总，形成强分类器。

2. 模型表现

• SA因子的RankIC月均值为9.16%，标准差为8.98%，风险调整后IC为1.02。
• SA_12M_5SM因子的RankIC月均值为10.09%，风险调整后IC为1.34。
• SA_12M_5SM因子的多空组合年化夏普比率为3.08，超额收益率为16.31%。

3. 分位数组合测试

• SA因子分位数组合在10个组合中，第一组和第十组的超额收益率显著。
• SA_12M_5SM因子的分位数组合表现更优，超额收益率和信息比率均显著提升。

4. 日历效应分析

• SA因子存在明显的月度效应，某些月份表现较差。
• 通过使用相同月份的数据作为训练样本，构建SA_5SM因子，进一步优化模型的稳定性。
• SA_12M_5SM因子在不同月份表现更为均衡，回撤控制较好。

5. 策略构建

• 策略基于SA_12M_5SM因子，以中证500为基准，构建行业加权的等权组合。
• 每月调仓一次，以当天收盘价成交，策略年化收益率为37.91%，超额收益率为16.31%，最大回撤为4.93%。
• 策略对交易费率敏感，单边0.3%费率下仍能保持稳定超额收益。

6. 模型稳定性与风险控制

• SA_12M_5SM因子在不同股票池（如大盘股和小盘股）中表现稳定，尤其在小盘股中更为突出。
• 通过行业调整，模型的稳定性进一步增强，风险调整后IC显著提高。
• 策略在不同交易费率下表现稳健，显示出一定的抗风险能力。

结构清晰点

1. 模型原理

• 分类器构建：将选股问题转化为二元分类问题，根据下期收益划分股票为强势股和弱势股。
• AdaBoost算法：通过自适应选择弱分类器，逐步优化模型，提升整体分类准确度。
• 因子选择：每期选择区分能力最强的因子，以增强模型的适应性和预测性。

2. 模型优化

• 日历效应处理：使用相同月份的数据进行训练，减少模型对市场风格变化的滞后性。
• 行业调整：通过行业调整，提高模型的稳定性，降低风险。
• 因子池筛选：剔除有效性差或数据不完整的因子，确保模型的稳健性。

3. 模型表现

• RankIC：SA因子RankIC月均值为9.16%，SA_12M_5SM因子为10.09%。
• 分位数组合：SA_12M_5SM因子的分位数组合表现优于SA因子，超额收益显著。
• 夏普比率：SA_12M_5SM因子的多空组合夏普比率达到3.08，策略为2.79。

4. 策略应用

• 策略构建：基于SA_12M_5SM因子，构建量化对冲策略，以中证500为基准。
• 策略表现：年化超额收益率为16.31%，最大回撤为4.93%。
• 交易成本影响：策略对交易费率较为敏感，但即使在较高费率下，仍能保持稳定超额收益。

总结

兴业SmartAlpha动态选股模型通过机器学习中的AdaBoost算法，有效提升了传统因子的选股能力，构建了具有自适应性和稳定性的SA因子。模型在不同市场环境下表现良好，尤其在考虑行业调整和日历效应后，表现更为稳健。基于SA因子构建的量化对冲策略，在A股市场中展现了较强的超额收益能力，尽管交易成本对其有影响，但在合理范围内仍能保持良好表现。该模型为多因子选股提供了新的思路，也为投资者提供了有效的策略参考。