20180621-申万宏源-机器学习及其在金融市场中的应用_31页_2mb

机器学习及其在金融市场中的应用总结

核心内容

机器学习作为人工智能的核心技术，已被广泛应用于多个前沿领域，包括但不限于生物特征识别、自动驾驶、军事决策、外太空探索等。在金融领域，机器学习在价格预测、财务造假识别、债务违约预警以及多因子选股等方面展现出重要价值。

主要观点与应用举例

1. Lasso回归与商品期货价格预测

• 应用背景：大宗商品价格变动对金融市场影响深远，预测其价格变化是研究重点之一。
• 方法：采用Lasso回归算法，通过筛选影响LME铜期货价格的宏观基本面因素，建立预测模型。
• 过程：
  • 从宏观基本面角度筛选影响变量。
  • 通过相关性分析确定最佳滞后窗口。
  • 使用Lasso回归模型进行训练和预测。
• 优势：Lasso回归能够压缩部分系数，设定部分系数为零，从而构建更精炼、更符合实际的模型。

2. 决策树模型预测财务造假

• 应用背景：近年来A股市场财务造假案件频发，对投资者造成重大损失。
• 方法：采用决策树算法（如CHAID、CART等）构建财务造假预警模型。
• 数据处理：
  • 筛选财务指标与非财务指标作为特征。
  • 剔除高相关性指标，减少冗余。
• 结果：
  • CHAID算法在多个决策树模型中表现最佳，精确度和召回率较高。
  • 关键特征包括：其他应收款占流动资产比例、审计意见、前一年是否亏损、预付款项占比、主营业务毛利率、前五大股东股权集中度等。

3. 逻辑回归与债务违约预警

• 应用背景：2018年以来，债券违约事件频发，信用风险成为关注重点。
• 方法：采用逻辑回归模型，结合逐步回归法，构建债务违约预警模型。
• 数据处理：
  • 筛选企业类型、盈利能力、现金流状况、行业属性等特征。
  • 以评级A以上且被下调的样本为研究对象。
• 结果：
  • 预警模型中显著性指标包括：资产负债率、应收账款占流动资产比例、预付款项占流动资产比例、总资产报酬率、前一年是否亏损等。
  • 模型在验证集上表现出较好的预测能力。

4. 集成学习在多因子选股中的应用

• 应用背景：多因子选股是数量化投资中的重要方法，传统线性模型已被非线性模型取代。
• 方法：使用Xgboost算法，构建基于9大类43个因子的多因子选股模型。
• 数据处理：
  • 数据进行去极值、标准化、中性化处理。
  • 标签化：根据未来一个月的超额收益率将股票分为正例（30%）、负例（30%）和中性（40%）。
  • 采用滚动回归法进行模型训练与验证。
• 结果：
  • Xgboost模型在样本外预测中表现优异，分组具有理想的单调性。
  • 集成学习通过结合多个学习器，提高预测精度与稳定性。

机器学习在金融市场的局限

尽管机器学习在金融领域取得了一定成效，但仍存在以下局限：

• 数据非实验性：金融数据具有不可重复性，难以完全复制历史情况。
• 有标记数据不足：尽管进入大数据时代，但可用于训练的有标记数据仍有限，影响模型效果。
• 数据不平衡问题：如债务违约、财务造假等异常样本占比小，可能导致模型偏差。
• 过拟合风险：机器学习模型容易对训练数据过拟合，影响实际投资效果。
• “黑箱”特性：模型复杂，普通投资者难以理解其原理，影响接受度和信任度。

附注信息

• 机构与联系人：

  • 华北机构部：李丹，电话：010-66500631，邮箱：lidan4@swhysc.com
  • 华东机构部：陈陶，电话：021-23297221，邮箱：chentao1@swhysc.com
  • 华南机构部：胡洁云，电话：021-23297247，邮箱：hujieyun@swhysc.com
  • 海外业务部：胡馨文，电话：021-23297753，邮箱：huxinwen@swhysc.com

• 法律声明：

  • 本报告仅供申万宏源研究所有限公司客户使用。
  • 报告内容基于公开信息，不保证其准确性或完整性。
  • 本报告不构成投资建议，客户应自行判断并承担投资风险。
  • 本公司不分享投资收益或分担投资损失。

• 分析师信息：

  • 证券分析师：曹春晓，执业编号：A0230516080002
  • 邮箱：caocx@swsresearch.com
  • 所属机构：申万宏源证券有限公司

• 版权声明：

  • 本报告为申万宏源研究所有限公司所有，未经授权不得复制、转载或分发。

附录：部分特征指标