20171013-申万宏源-回归算法与截面动量在风格投资中的应用_28页_2mb

报告摘要

本文探讨了回归算法与截面动量在风格投资中的应用，分析了不同投资风格的表现及其在实际投资中的择时效果。通过对多个风格指数的回测和模型预测，评估了线性回归、岭回归、Lasso回归、ElasticNet回归以及随机森林回归在预测大小盘风格相对强度中的表现，并进一步分析了截面动量策略在风格投资中的有效性。

市场风格的形成源于对股市异象的研究，主要包括规模效应、日历效应、动量效应、价值效应等。这些效应在市场中存在，能够为投资者带来超额收益。

市场风格指数：本文使用了4大类共计10个市场风格指数，包括价值类（高低市盈率、市净率）、市值类（大小盘）、盈利类（高ROE、低ROE）、波动类（高低贝塔）等。
风格指数表现：在2006年至2017年间，大部分风格指数跑赢了市场指数，其中低贝塔指数表现尤为突出，获得了近11倍的收益，小盘指数也创造了近8倍的收益。
风格切换风险：市场风格并非一成不变，风格反转可能导致投资风格从盈利转为亏损，例如小盘风格在2014年底和2015年股灾期间出现大幅回撤。

回归算法是监督学习中的一种方法，用于预测连续变量。本文介绍了多种回归模型及其特点：

本文通过构建模型预测大小盘风格的相对强度，评估了不同回归模型的效果：

数据与变量：使用Wind终端获取的A股市场数据，包括市盈率、换手率、波动率、技术指标、利率期限结构等，构建了7大类30个特征变量。
模型训练与预测：
- 模型使用10折交叉验证进行训练和验证。
- 预测下一期小盘与大盘指数的收益率差，根据预测结果进行多空操作。
模型表现：
- 多元线性回归：累计收益率73.87%，年化收益10.10%，但最大回撤达53.54%，在股灾期间表现不佳。
- 岭回归：累计收益率259.57%，年化收益24.93%，夏普比率1.21，表现优于线性回归，但胜率未显著提升。
- ElasticNet回归：累计收益率350.24%，年化收益29.91%，夏普比率1.41，表现最佳。
- 随机森林回归：累计收益率25.00%，年化收益2.87%，胜率55.56%，但泛化能力较差，表现不理想。

截面动量是一种基于资产相对表现的投资策略，通过买入表现好的资产，卖出表现差的资产来获取超额收益。

策略设计：
- 选择10个市场风格指数作为样本空间。
- 计算指数的均线（EMA），并根据均线斜率预测下一期的收益率。
- 每周对10个预测收益率进行排序，买入排名最高的风格指数，卖出当前持仓指数。
动量效应分析：
- 风格指数在周频数据下表现出明显的动量效应。
- 动量最强的组表现最佳，说明风格持续性较强。
策略表现：
- 近11年截面动量策略累计收益达16倍，年化收益约25%，超额收益约11%。
- 在2016年，由于风格指数整体表现不佳，超额收益也有所下降。
- 截面动量策略在大多数时期战胜了单一风格指数，显示出更强的适应性和收益能力。