机器学习与因子（一）：特征工程算法测评-20230615-浙商证券-25页_3mb

机器学习与因子（一）：特征工程算法测评总结

核心内容

本报告探讨了机器学习模型在A股市场因子选股中的应用，通过对比不同模型在固定时间窗口和滚动时间窗口下的表现，评估其在预测股票短期收益率方面的效果。同时，对因子的重要性进行了定量分析，揭示了交易类因子在股票短期定价中的关键作用。

主要观点

1. 机器学习提升投资绩效
   机器学习模型在A股市场中均能获得超额收益，其中梯度提升树模型（如LightGBM和XGBoost）表现最佳。这些模型在固定窗口和滚动窗口训练模式下均优于其他模型，特别是在预测短期收益方面。

2. 模型具备动态适应能力
   在滚动时间窗口训练模式下，大多数模型仍能保持较好的预测能力，说明机器学习模型具备一定的市场动态适应能力，能够跟踪市场变化并更新预测逻辑。

3. 交易类因子主导短期定价
   交易类因子对股票短期收益的解释力和预测力最强，重要性占比高达75%。成交量、换手率、价格波动性等交易特征对短期收益影响显著。

4. 流动性与波动性影响短期收益
   成交额波动小、价格低波动的股票在短期内通常表现更好。这表明流动性稳定、交易活跃的股票更容易获得超额收益。

关键信息

一、模型表现对比

• 固定时间窗口训练

  • 表现最佳：LightGBM模型（年化收益率36.55%，夏普比率1.6）
  • 次优模型：ElasticNet、Lasso、OLS
  • 表现较差：NN5、XGBoost、RF、DT
  • 夏普比率与卡玛比率：LightGBM、ElasticNet、Lasso、OLS和NN5模型的夏普比率均在1.5以上，其中LightGBM表现最优。

• 滚动时间窗口训练

  • 表现最佳：XGBoost模型（年化收益率36.89%，夏普比率1.6）
  • 其他模型表现：CatBoost、ElasticNet、Lasso、OLS等表现较好，但均略低于XGBoost
  • 神经网络模型：NN4和NN5在滚动窗口下表现最差，其年化收益率显著下降，且波动性较大。

二、因子重要性分析

• 交易类因子：在所有模型中，交易类因子的重要性最高，尤其在2022年，其重要性占比达到75%。
• 成交量相关因子：包括std_dolvol、zerotrade、turn、ill等，均被模型识别为对短期收益影响较大的因子。
• 规模因子：如mve（对数市值）也具有较高重要性，但不及交易类因子。
• 基本面因子：对短期收益的解释力较弱，且在不同模型中重要性排名较低。

三、模型有效性测试

• 固定时间窗口下：LightGBM、CatBoost、RF等模型的样本外IC值较高，且正IC占比超过60%。
• 滚动时间窗口下：XGBoost在样本外IC和IR表现最佳，且其正IC占比更高，显示更强的适应性与稳定性。

四、因子与模型关系

• 交易类因子在不同模型中均被高度重视，显示其在股票短期定价中的普遍适用性。
• LightGBM和XGBoost等树模型在预测因子与收益关系方面表现出更强的拟合能力和稳定性。
• 神经网络模型因超参数敏感性较高，其表现相对不稳定，尤其在滚动窗口下。

风险提示

1. 模型测算风险

   • 超参数设定对模型结果影响较大，收益指标仅基于历史数据测试，不保证未来表现。
   • 滚动窗口训练下，模型需频繁更新，可能影响预测稳定性。

2. 模型失效风险

   • 机器学习模型基于历史数据构建，无法完全代表未来市场情况，仅作参考。

附录：图表说明

• 图1：A股因子重要程度热力图，显示交易类因子的重要性最高。
• 图2-3：固定时间窗口下各模型的多头与多空组合净值曲线，LightGBM表现最佳。
• 图4-5：滚动时间窗口下各模型的多头与多空组合净值曲线，XGBoost表现突出。
• 图6：固定与滚动时间窗口下各模型年化收益率对比，XGBoost在滚动窗口下表现最佳。
• 图7-10：因子重要性热力图，显示交易类因子在各模型中均占据主导地位。
• 图11-12：LightGBM基学习器样例，展示其对交易类因子的偏好。

结论

机器学习模型在A股因子投资中展现出显著优势，尤其是梯度提升树模型。交易类因子在股票短期定价中具有核心地位，流动性与波动性是决定短期收益的关键因素。模型在滚动窗口训练下表现良好，但需注意超参数设置和历史数据的局限性。本报告为A股因子投资者提供了模型选择和因子研究的参考，强调了交易类因子在短期策略中的重要性。