20不同分类算法下的大小盘风格判断-190812-申万宏源-26页_1mb

不同分类算法下的大小盘风格判断总结

核心内容

本文分析了A股市场中大小盘风格轮动现象，并探讨了多种分类算法在预测大小盘风格转换中的表现。通过回测比较不同算法的效果，重点评估了胜率与相对盈亏比等指标，以判断策略的有效性。

主要观点

• 大小盘风格轮动是A股市场的重要特征，尤其自2009年以来，市场风格呈现明显的轮动趋势。
• 大小盘轮动策略本质上是一个二分类问题，目标是判断大盘与小盘风格的强弱。
• 本文测试了五种分类算法：决策树、随机森林、XGBoost、支持向量机（SVM）和逻辑回归。
• 由于超额收益率受市场风格集中度和回测区间影响，本文采用胜率与相对盈亏比作为主要评价指标。

关键信息

1. 大小盘轮动特征

• 大盘股与小盘股由沪深300和中证1000指数表征。
• 大小盘涨幅差作为核心特征，结合其他宏观经济与市场数据进行分析。
• 2016年之前，小盘股总体占优；2016年后，市场风格反转，大盘股占优。

2. 分类算法选择与测试

• 决策树：基于CART算法，通过Gini指数进行特征选择，但策略表现波动较大。
• 随机森林：通过集成多个决策树提高鲁棒性和预测能力，胜率和相对盈亏比有所提升。
• XGBoost：基于梯度提升树，胜率随窗口长度增加而提升，尤其在长周期窗口（>122个月）表现突出。
• 支持向量机（SVM）：胜率偏低，但相对盈亏比较高，仍能战胜基准指数。
• 逻辑回归：胜率稳定性高，平均胜率达62.4%，在市场风格均衡时表现优异。

3. 回测方式与参数

• 采用滚动窗口法进行回测，以保持模型的时效性和适应性。
• 回测窗口长度在60-130个月之间，最终选择116个月、114个月、125个月等不同长度进行测试。
• 通过计算预测准确率（胜率）和盈亏比评估模型表现。

4. 策略效果评估

• 胜率：模型预测准确的月份数占总月数的比例。
• 相对盈亏比：预测正确时的平均收益与预测错误时的平均亏损的比值。
• 超额收益率：受市场风格集中度影响，不能直接用于比较不同模型的优劣。
• 调整后超额收益率：用于反映市场风格是否均衡，当风格集中时，需调整系数放大收益。

5. 算法表现对比

风险提示

• 所有模型基于历史数据，存在历史规律失效的风险。
• 策略表现受市场风格集中度和回测区间影响，不能保证未来表现。
• 投资决策应结合个人投资目标和风险承受能力。

信息披露

• 本报告由证券分析师张立宁撰写，具有证券投资咨询执业资格。
• 申万宏源研究隶属于申万宏源证券有限公司，具备证券投资咨询业务许可。
• 投资者应阅读完整报告，不应仅依赖摘要或评级体系进行投资决策。

投资评级说明

• 证券评级：买入、增持、中性、减持。
• 行业评级：看好、中性、看淡。
• 评级体系为相对评级，不构成私人投资建议。

法律声明

• 本报告仅供申万宏源证券研究所有限公司客户使用。
• 本报告基于公开信息，不保证其准确性或完整性。
• 投资有风险，入市需谨慎。

机构联系方式