技术因子智能择股与止盈策略研究-20210604-东海证券-22页_1mb

技术因子智能择股与止盈策略研究总结

核心内容

本报告基于《技术因子的智能择股研究》的成果，进一步优化了技术因子选股策略，引入了止盈机制以提升模型的实用性与收益表现。研究重点在于提高模型预测准确率、减少训练时间，并通过止盈策略降低组合最大回撤，提高策略的稳定性与风险控制能力。

主要观点

• 模型改进：通过调整样本数据特征与目标值，将回归问题转换为分类问题，提升了模型的预测准确率，并降低了训练时间。
• 止盈策略：在智能择股基础上，根据模型预测值设置止盈条件，使得策略在达到目标收益时提前平仓，有效利用模型预测信息，降低最大回撤。
• 预测准确率提升：模型预测准确率显著提高，特别是对未来5日最大涨幅的预测准确率接近或超过80%，对未来10日最大涨幅的预测准确率普遍超过70%。
• 误差分析：模型预测误差远低于此前研究，差值为0的样本占多数，预测效果在大市值股票上优于小市值股票。
• 组合表现：采用止盈策略后，年化收益率在某些条件下不降反增，最大回撤显著降低，策略的盈亏比得到改善。

关键信息

样本数据的变化

• 选取了上证50、沪深300、中证500、中证800、中小板100等主要指数成分股作为训练样本。
• 预测目标值调整为未来5日和10日的最大涨幅和最大跌幅。
• 特征数据包括技术指标（如CCI、True Range、ATR、布林带宽）和形态指标（如均线排列、金叉、死叉、唐奇安通道突破等）。

特征指标与训练目标的关系

• 连续值指标（如True Range、ATR、布林带宽）与未来最大涨跌幅、最大回撤呈近似对称分布，不具备价格运动方向的预测意义。
• 0-1值指标（如均线多头排列、均线金叉、唐奇安通道突破）在预测未来涨跌幅时表现更优，其中突破唐奇安通道上轨、均线多头排列、5日均线上穿60日均线对最大涨幅的区分更好；突破唐奇安通道下轨、均线空头排列、5日均线下穿60日均线对最大跌幅和最大回撤的区分更好。
• 预测周期为10日时，信号效果更明显，但并不意味着预测准确度更高。

模型预测结果评估

• 模型训练方案：使用上证50、沪深300、中证500、中证800和中小板100成分股，2015年至2019年数据构建样本，按年分割进行滚动训练。
• 模型类型：逻辑斯蒂克回归、岭回归分类器、随机森林、多层感知机、决策树、线性支持向量分类器等。
• 交叉验证分析：
  • 随机森林模型表现最优，交叉验证评分均值较高且稳定性好。
  • 决策树模型评分较低，线性支持向量分类器稳定性不足。
  • 对于最大涨幅的预测准确率高于最大跌幅，5日预测优于10日预测。
  • 预测准确率与指数成分股市值规模相关，上证50的预测准确率最高。

预测误差分析

• 随机森林模型的预测误差显著降低，大部分样本预测误差为0，错误估计样本数随差值绝对值增大而快速下降。
• 预测最大涨幅效果优于预测最大跌幅，5日预测优于10日预测，大市值股票预测效果优于小市值股票。

回归测试分析

• 回归测试方案：基于模型预测值构建选股策略，按5日和10日换仓周期进行测试，使用上一年度样本数据训练模型，滚动进行预测。
• 组合表现：
  • 5日换仓：单纯选股策略的年化收益率在22.73%至34.90%之间，止盈策略的年化收益率有所下降，但最大回撤显著降低。
  • 10日换仓：单纯选股策略的年化收益率在25.40%至32.73%之间，止盈策略的年化收益率普遍不降反增，最大回撤显著降低。
  • 止盈策略使组合的贝塔系数普遍降至20%以下，表明策略受市场波动影响较小，更具稳定性。
  • 在部分测试条件下，止盈策略使组合的夏普比率、信息比率等风险调整后收益指标显著提升。

结论

本研究通过改进技术因子模型，提升了模型的预测准确率和训练效率，同时引入止盈策略，有效降低了最大回撤，提高了策略的稳定性和风险调整后收益。止盈条件的引入使得模型预测信息得到更充分的利用，对投资组合的收益表现有明显改善。