20210506-兴业证券-海外文献推荐系列之一百一十八_西学东渐_16页_1mb

报告总结：通过LTR算法构建横截面策略

核心内容

本报告探讨了如何通过 Learning to Rank (LTR) 算法提升横截面动量策略的表现。横截面策略的成功依赖于资产排名预测的准确性，而传统的启发式方法或回归后再排序方法在信息检索领域并非最优。作者提出使用LTR算法构建新的策略框架，以提高资产排序的精确性，从而提升策略收益。

主要观点

• 横截面动量策略 是一种常见的量化投资策略，通过选择预期收益高的资产做多、收益低的资产做空来获取收益。
• LTR算法 作为排序模型，能够更准确地学习资产之间的相对排序关系，相较于传统的pointwise或pairwise方法具有更好的排序效果。
• Listwise LTR模型（如ListNet、ListMLE）在大规模数据集上具有更高的效率，相较于pairwise模型（如RankNet、LambdaMART）在计算复杂度上有明显优势。
• 本文通过实证研究证明，使用LTR算法的策略在多个维度上均优于传统方法，包括收益、风险调整指标和排序效果。

关键信息

1. 策略框架

• 横截面动量策略（CSM） 的基本公式为：

  $$
  r ^ {C S M} _ {t _ {m}, t _ {m + 1}} = \frac {1}{n _ {t _ {m}}} \sum_ {i = 1} ^ {n _ {t _ {m}}} X ^ {(i)} _ {t _ {m}} \frac {\sigma_ {t g t}}{\sigma_ {t _ {m}} ^ {(i)}} r ^ {(i)} _ {t _ {m}, t _ {m + 1}}
  $$

• 资产排序 通过模型预测的分数 $ Y $ 进行，再根据排序结果选择资产。

2. LTR算法分类

• Pointwise LTR：将排序问题转化为分类或回归问题，适用于简单场景，但排序效果较弱。
• Pairwise LTR：通过比较资产对的排序关系进行训练，如RankNet和LambdaMART，适用于小规模数据。
• Listwise LTR：考虑整个排序列表的全局优化，如ListNet和ListMLE，适用于大规模数据，计算效率更高。

3. 模型训练细节

• 使用 Adam优化器 进行训练，反向传播最多100层。
• 采用 90%数据训练，10%数据验证。
• 若损失函数在25次迭代后无显著变化，则提前停止训练。
• 使用 Dropout正则化 防止过拟合，dropoutrate为可调节超参数。
• 所有模型的超参数通过 50次迭代 调整至最优。

4. 数据情况

• 使用 CRSP2019 数据构建策略，涵盖1980年到2019年间在NYSE上市的股票。
• 每月调仓一次，只交易价格高于1美元的股票。
• 仅考虑过去一年有活跃成交的股票，所有价格为收盘价。

5. 回测与预测

• 所有模型的超参数每5年调整一次。
• 采用 100只股票做多/做空，占所有可交易股票的10%。
• 使用 3、6、12个月的收益率 作为基本信号，结合 MACD指标 和 波动率调整 构建信号集。

6. 模型与对比维度

• 基准模型：
  • Random（随机）
  • Random return（JT）
  • Volatility normalized MACD（Baz）
  • Multilayer perceptron（MLP）
• LTR模型：
  • RankNet（RNet）
  • LambdaMART（LM）
  • ListNet（LNet）
  • ListMLE（LMLE）

7. 表现分析

8. 排序表现

• Kendall's Tau 和 NDCG@100 用于评估排序效果。
• LTR模型在排序表现上显著优于传统方法，尤其是 LambdaMART 在多个维度上表现最佳。

9. 结论

• LTR算法在横截面策略中具有显著优势，特别是在排序准确性方面。
• 与传统方法相比，LTR模型在收益、风险调整指标和排序效果上均有明显提升。
• 未来可以进一步优化模型结构，以提升对高频数据和资产类别排序的效率。

图表说明

• 图表1：按目标波动率调整后的累计收益。
• 图表2：按目标波动率调整后的策略表现指标。
• 图表3：每个月的策略平均排序表现。
• 图表4：目标波动率调整后的分位数组合表现。
• 图表5：目标波动率调整后的分位数组合累计收益。

风险提示

• 文献中的结果基于历史数据统计、建模和测算，若政策或市场环境发生重大变化，模型可能失效。

分析师声明

• 本报告由分析师徐寅撰写，其具备证券投资咨询执业资格，内容基于独立研究，不涉及任何利益相关。

投资评级说明

• 报告中的投资建议分为股票评级和行业评级，评级标准为报告发布日后12个月内相关资产的表现。