华泰人工智能系列之十八：机器学习选股模型的调仓频率实证-20190409-华泰证券-18页_1mb
报告摘要
机器学习选股模型调仓频率实证研究总结
核心内容
本文研究了不同调仓频率对机器学习选股模型表现的影响，特别是针对XGBoost模型，探讨了周频调仓相较于月频调仓的优势及组合优化在控制换手率中的作用。研究还分析了交易成本对模型表现的影响，并提供了相应的风险提示。
主要观点
-
调仓频率与模型表现的关系：
- 2017年以来，月频调仓的机器学习模型超额收益指标明显下滑，可能由于A股市场变得更加有效。
- 根据Grinold的公式 $IR = IC\sqrt{BR}$，在IC下降的情况下，通过增加BR（调仓频率或资产数量）可以维持IR水平。加快调仓频率是提高BR的有效方法。
- 周频调仓XGBoost模型在多个回测指标中表现最佳，包括年化超额收益率、最大回撤、信息比率和Calmar比率。
-
调仓频率对超额收益的影响：
- 周频调仓模型在每月后半月的超额收益增长率表现优于月频调仓模型。
- 加快调仓频率有助于平滑超额收益增长率分布并降低交易成本的集中影响。
-
组合优化与换手率控制：
- 高换手率可能导致交易成本过高，影响模型的实际表现。
- 使用组合优化可以有效控制换手率，提高模型的可执行性。
- 通过二次规划方法构建优化模型，将非光滑的换手率约束转换为线性约束，便于求解。
-
交易成本的影响：
- 交易成本对模型表现有显著影响，尤其是在高换手率情况下。
- 周频调仓XGBoost模型在不同交易成本下的表现差异明显，交易成本越低，模型表现越好。
关键信息
三种调仓频率模型对比
| 模型类型 | 年化超额收益率（20110131～20190329） | 超额收益最大回撤 | 信息比率 | Calmar比率 | 年均双边换手率 |
|---|---|---|---|---|---|
| 月频XGBoost | 16.28%～16.07% | 4.37%～4.54% | 2.97～3.90 | 1.07～3.72 | 9.16～14.98倍 |
| 半月频XGBoost | 15.65%～16.95% | 4.70%～5.06% | 2.93～3.11 | 1.61～3.35 | 9.16～14.98倍 |
| 周频XGBoost | 17.73%～20.44% | 3.95%～4.22% | 3.61～3.77 | 2.39～4.85 | 9.16～15.06倍 |
高换手率下的表现
| 模型类型 | 最佳换手率 | 年化超额收益率 | 超额收益最大回撤 | 信息比率 | Calmar比率 |
|---|---|---|---|---|---|
| 半月频XGBoost | 24.64倍 | 17.30% | 4.93% | 3.17 | 3.51 |
| 周频XGBoost | 23.91倍 | 21.02% | 3.98% | 3.86 | 5.28 |
不同交易成本下的表现
| 交易成本（双边） | 年化超额收益率 | 超额收益最大回撤 | 信息比率 | Calmar比率 |
|---|---|---|---|---|
| 0.3% | 22.47% | 3.73% | 4.15 | 6.02 |
| 0.4% | 21.02% | 3.98% | 3.86 | 5.28 |
| 0.6% | 18.18% | 4.47% | 3.30 | 4.07 |
| 1% | 12.69% | 5.80% | 2.22 | 2.19 |
模型构建与测试
数据获取与预处理
- 股票池：全A股，剔除ST股票、停牌股票、上市3个月内的股票。
- 回测区间：2011年1月31日至2019年3月29日。
- 特征提取：使用82个因子暴露度作为特征，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、一致预期等。
- 数据处理：中位数去极值、缺失值处理、行业市值中性化、标准化处理。
模型调仓策略
- 月频XGBoost：每月第一个交易日调仓。
- 半月频XGBoost：每月第一个和中间交易日调仓。
- 周频XGBoost：每周第一个交易日调仓。
模型训练与优化
- 采用年度交叉验证调参。
- 训练模型后进行样本外预测，将预测值作为合成因子。
- 使用组合优化控制换手率，保持行业市值中性。
结论
- 周频调仓XGBoost模型在多个指标上表现优于月频和半月频模型。
- 高换手率模型需要通过组合优化控制换手率，以降低交易成本并提高策略执行效果。
- 交易成本对模型表现有显著影响，投资者应根据自身情况选择合适的调仓频率和交易成本。
风险提示
- 较高的调仓频率对交易水平和市场流动性有较高要求，可能导致交易成本过高。
- 人工智能模型基于历史数据，存在失效风险。
- 模型可解释性较低，使用时需谨慎。
附录：换手率控制的数学推导
- 使用辅助变量 $u$ 和 $v$ 将非光滑换手率约束转换为线性约束。
- 通过引入辅助变量，将原问题转化为一个维度为 $2n$ 的线性规划问题。
- 换手率约束形式为 $\left| w - w_0 \right| \leq \delta$，转换为 $a^T z \leq \delta$。
- 其他约束包括风格因子暴露、行业暴露、个股权重上下限等。
免责声明
- 本报告仅供华泰证券客户使用，不构成投资建议。
- 报告基于公开信息，不保证其准确性或完整性。
- 报告内容仅供参考，不构成买卖决策依据。
- 报告可能随时间更新，读者需自行关注最新信息。
- 本公司对因使用本报告造成的任何后果不承担法律责任。
联系信息
- 林晓明：执业证书编号 S0570516010001，电话 0755-82080134，邮箱 linxiaoming@htsc.com
- 陈烨：执业证书编号 S0570518080004，电话 010-56793942，邮箱 chenye@htsc.com
- 李子钰：电话 0755-23987436，邮箱 liziyu@htsc.com
- 何康：邮箱 hekang@htsc.com
评级说明
- 行业评级：
- 增持：行业股票指数超越沪深300指数。
- 中性：行业股票指数与沪深300指数持平。
- 减持：行业股票指数明显弱于沪深300指数。
- 公司评级：
- 买入：股价超越基准20%以上。
- 增持：股价超越基准5%～20%。
- 中性：股价波动在-5%～5%之间。
- 减持：股价弱于基准5%～20%。
- 卖出：股价弱于基准20%以上。
联系方式
- 南京：南京市建邺区江东中路228号华泰证券广场1号楼，邮编210019，电话862583389999，传真862583387521，邮箱ht-rd@htsc.com
- 深圳：深圳市福田区益田路5999号基金大厦10楼，邮编518017，电话8675582493932，传真8675582492062，邮箱ht-rd@htsc.com
- 北京：北京市西城区太平桥大街丰盛胡同28号太平洋保险大厦A座18层，邮编100032，电话861063211166，传真861063211275，邮箱ht-rd@htsc.com
- 上海：上海市浦东新区东方路18号保利广场E栋23楼，邮编200120，电话862128972098，传真862128972068
展开完整摘要
试读结束，高清完整版pdf/doc/ppt,请点下载
