20181130-中邮证券-基于机器学习的量化投资策略_系列四_随机森林_6页_608kb

报告摘要

随机森林是一种基于集成学习的机器学习算法，通过构建多棵决策树并集成其预测结果，实现对数据的分类与回归。该算法在多个领域广泛应用，尤其在分类任务中表现突出。在股票市场中，随机森林可用于构建量化投资策略，但其在回撤控制和因子挖掘方面仍需进一步优化。

算法原理：随机森林通过Bootstrap方法从原始数据中抽取样本，构建多个决策树，并在每次分裂时随机选择部分特征，从而提高模型的泛化能力。
分类与回归：随机森林适用于分类和回归任务，对于分类问题，采用投票机制决定最终结果；对于回归问题，采用均值作为最终预测。
模型评估：oob_score 是一种有效的模型评估方式，推荐设置为 True 以评估模型的泛化能力。
参数设置：
- n_estimators：树的数量，通常设置为100，数量越多模型越稳定，但计算速度会下降。
- n_jobs：并行处理的处理器数量，设置为 -1 可使用所有处理器，提升计算效率。
优缺点分析：
- 优点：分类效果好，适应性强，能处理高维数据，无需数据规范化，可评估变量重要性。
- 缺点：对低维数据或少量数据效果不佳，计算速度较慢，对非独立变量的推断能力有限。

回测结果：基于随机森林的量化投资策略在沪深300成分股上进行了回测，时间区间为2017-01-01至2018-11-01，具体回测曲线见图表4。
策略潜力：随机森林在回撤控制方面具有较大研究潜力，同时可以与多因子模型结合，进一步提升预测效果。
投资评级标准：
- 股票投资评级：
  - 推荐：涨幅高于沪深300指数20%以上；
  - 谨慎推荐：涨幅高于沪深300指数10%-20%；
  - 中性：涨幅介于-10%至10%；
  - 回避：涨幅低于沪深300指数10%以上。
- 行业投资评级：
  - 强于大市：涨幅高于沪深300指数5%以上；
  - 中性：涨幅介于-5%至5%；
  - 弱于大市：涨幅低于沪深300指数5%以上。
- 可转债投资评级：
  - 推荐：涨幅高于中信标普可转债指数10%以上；
  - 谨慎推荐：涨幅高于中信标普可转债指数5%-10%；
  - 中性：涨幅介于-5%至5%；
  - 回避：涨幅低于中信标普可转债指数5%以上。