人工智能研究报告：多周期机器学习选股模型-20191204-广发证券-26页_1mb

多周期机器学习选股模型总结

核心内容

本报告探讨了基于机器学习的多周期选股模型，分析了不同预测窗口长度对模型预测能力和策略表现的影响，并提出通过多模型集成提升选股效果的策略。报告重点研究了短线、中线和长线预测模型在不同调仓频率下的表现差异，并结合实证数据验证了多模型集成策略的有效性。

主要观点

• 因子时效性：选股因子对股票收益率的预测能力具有时效性，随着预测窗口的延长，预测能力衰减。因此，模型应根据因子的特性匹配不同的预测窗口。
• 模型构建：报告构建了三类机器学习模型，分别对应5天、20天和60天的训练窗口，即模型S、模型M和模型L。这些模型使用不同的因子池进行训练，以适应不同的预测周期。
• 调仓频率与模型性能：高调仓频率下，短线预测模型表现更优；低调仓频率下，中长线预测模型表现更好。在3‰的换仓成本下，周频调仓是机器学习模型更合适的选择。
• 多模型集成策略：由于不同模型之间的因子相关性较低，集成策略能有效提升预测能力。实证分析表明，周频调仓下的多模型集成策略表现优于单模型，且换手率更低。

关键信息

1. 机器学习模型分类

• 模型S（短线模型）：训练窗口为5天，预测未来5天收益率。
• 模型M（中线模型）：训练窗口为20天，预测未来20天收益率。
• 模型L（长线模型）：训练窗口为60天，预测未来60天收益率。

2. 因子分类

• 选股因子：共50个，包括估值、盈利、质量、规模、杠杆、成长、波动等。
• 技术因子：共101个，来自Zura Kakushadze的《101 Formulaic Alphas》。
• 行业0-1变量因子：28个。

3. 回测设置

• 调仓周期：周频、月频、季频。
• 股票池：全市场股票，剔除涨停、跌停、ST和停牌股票。
• 超配组合：打分前10%的股票。
• 对冲基准：中证500指数。
• 训练集：每半年更新一次，使用最近6年的数据。
• 回测时间：2013年1月1日-2019年11月29日。
• 交易成本：3‰。

4. 实证分析结果

• 模型S：
  • 周频调仓年化超额收益为30.85%，夏普比率为3.23。
  • 换手率高（40.52倍），但表现优于其他模型。
• 模型M：
  • 月频调仓年化超额收益为15.80%，夏普比率为1.70。
  • 在月频和季频下表现优于模型S。
• 模型L：
  • 季频调仓年化超额收益为11.86%，夏普比率为0.98。
  • 在季频下表现最弱，但在月频下优于模型M。
• 多模型集成策略：
  • 周频调仓年化超额收益为38.97%，夏普比率为3.89。
  • 最大回撤为-10.00%，换手率为32.27倍。
  • 在预测窗口较短时表现优于单模型，但随着窗口增长，性能衰减。

5. 因子表现与预测窗口

• IC表现：
  • 模型S在T=5时IC为7.00%，随后快速衰减。
  • 模型M在T=20时IC最高，衰减不明显。
  • 模型L在T=60时IC最高，且衰减缓慢。
• ICIR表现：
  • 模型S的ICIR随预测窗口增加而快速下降。
  • 模型M和L的ICIR随预测窗口增加而下降，但较慢。

6. 模型相关性

• 模型S与模型M的相关性为0.602，模型M与模型L的相关性为0.623，模型S与模型L的相关性为0.360，表明模型间存在一定程度的互补性。

结构与策略

• 策略构建：根据模型打分选择前10%股票构建多头组合。
• 调仓周期选择：周频调仓策略表现最佳，适用于短线模型。
• 多模型集成：通过将模型S、模型M、模型L的因子进行集成，提升选股效果，同时降低换手率。

风险提示

• 策略模型并非百分百有效，市场结构和交易行为的改变可能导致策略失效。
• 投资涉及风险，过往业绩不预示未来表现。
• 报告内容仅供参考，不应作为投资决策的唯一依据。

分析师信息

• 文巧钧：资深分析师，浙江大学博士，从业4年，2015年加入广发证券。
• 安宁宁：联席首席分析师，暨南大学硕士，从业12年，2011年加入广发证券。
• 罗军：首席分析师，华南理工大学硕士，从业14年，2010年加入广发证券。

联系方式

• 地址：
  • 广州市：26号广发证券大厦35楼
  • 深圳市：6001号太平金融大厦31层
  • 北京市：街2号月坛大厦18层
  • 上海市：期16楼
  • 香港：1401-1410室
• 邮政编码：
  • 广州市：510627
  • 深圳市：518026
  • 北京市：100045
  • 上海市：200120
• 客服邮箱：gf fy@gf.com.cn

法律声明

• 本报告由广发证券或其关联机构制作，其内容仅反映研究人员当日的观点，不构成投资建议。
• 报告内容不保证准确性与完整性，使用本报告的损失由使用者自行承担。
• 广发证券可能与报告提及公司存在业务关系，可能影响报告的独立性。
• 本报告仅限授权客户使用，不对外公开发布。

权益披露

• 广发证券（香港）与本报告中提及的公司在过去12个月内无投资银行业务关系。

版权声明

• 未经广发证券书面许可，不得翻版、复制、刊登、转载和引用本报告内容。