系统化资产配置系列之三：基于AdaBoost机器学习算法的市场短期择时策略-20191017-兴业证券-22页_2mb

基于AdaBoost机器学习算法的市场短期择时策略总结

核心内容

本报告是系统化资产配置系列报告的第三篇，系统介绍了如何利用机器学习算法进行短期市场择时。报告重点分析了基于决策树的AdaBoost算法在构建择时模型中的应用，通过引入多种因子数据并结合期权市场信息，形成更优的双塔奇兵择时模型。

主要观点

• 短期择时挑战：短期市场走势受情绪等因素影响较大，有效因子筛选、非线性建模、因子相关性处理和避免过拟合是择时模型构建的关键难点。
• AdaBoost优势：AdaBoost算法通过自适应调整样本权重，解决了因子筛选、非线性建模和过拟合问题，同时能有效结合多个弱分类器，提高模型的准确性和稳健性。
• 双塔奇兵模型：通过叠加基于期权市场的水晶球择时模型与基于AdaBoost的择时模型，形成双塔奇兵模型，显著提升短期择时的胜率和收益风险比。

关键信息

1. 回测数据与因子定义

• 数据范围：2007年6月1日至2019年8月30日。
• 因子类型：共51种日频因子，包括资金流动性、风险偏好、技术指标等，如回购利率、信用利差、南华商品指数收益率、金油比、标普500指数等。
• 因子定义：详见图表2，包含51种短期因子的具体定义。

2. 决策树择时模型

• 模型构建：基于多层决策树，通过递归划分样本集，选择最优特征进行预测。
• 回测结果：
  • 多空策略：年化收益率为 -18.72%，收益风险比为 -0.64。
  • 纯多头策略：年化收益率为 -5.56%，收益风险比为 -0.22。
  • 简单持有策略：年化收益率为 7.66%，收益风险比为 0.26。
• 问题：模型出现明显过拟合，样本内预测准确率高达72.35%，而样本外胜率仅为50%左右。

3. 优选决策树择时模型

• 模型构建：基于多个单层决策树的预测结果进行等权叠加，筛选出在样本内带来显著超额收益的因子。
• 回测结果：
  • 多空策略：年化收益率为 12.47%，收益风险比为 0.44。
  • 纯多头策略：年化收益率为 12.31%，收益风险比为 0.49。
  • 简单持有策略：年化收益率为 7.66%，收益风险比为 0.26。
• 有效因子数量：大部分时间仅有一个因子能带来显著超额收益，说明单因子预测能力有限。

4. AdaBoost择时模型

• 模型构建：基于决策树的AdaBoost算法，将决策树深度设为1，仅选择一个最优因子作为预测节点。
• 回测结果（无交易成本，当日收盘交易）：
  • 多空策略：年化收益率为 41.31%，收益风险比为 1.41。
  • 纯多头策略：年化收益率为 24.67%，收益风险比为 0.98。
  • 简单持有策略：年化收益率为 7.66%，收益风险比为 0.26。
• 交易成本影响（单边万分之五，次日开盘交易）：
  • 多空策略：年化收益率为 31.24%，收益风险比为 1.08。
  • 纯多头策略：年化收益率为 22.25%，收益风险比为 0.89。
  • 简单持有策略：年化收益率为 -11.18%，收益风险比为 -0.38。
• 模型优势：AdaBoost模型表现优于决策树和优选决策树模型，且具有较好的稳健性。

5. 水晶球择时模型

• 模型特点：基于期权市场信息，挖掘市场预期，具有良好的历史表现。
• 回测结果（单边万分之五，次日开盘交易）：
  • 多空策略：年化收益率为 11.61%，收益风险比为 0.46。
  • 纯多头策略：年化收益率为 4.58%，收益风险比为 0.24。
  • 简单持有策略：年化收益率为 -11.18%，收益风险比为 -0.38。
• 模型表现：优于简单持有策略，但不如AdaBoost模型。

6. 双塔奇兵择时模型

• 模型构建：结合AdaBoost择时模型与水晶球择时模型，通过信号叠加形成新的策略。
• 回测结果（单边万分之五，次日开盘交易）：
  • 多空策略：年化收益率为 15.90%，收益风险比为 0.72。
  • 纯多头策略：年化收益率为 13.16%，收益风险比为 0.70。
  • 简单持有策略：年化收益率为 -11.18%，收益风险比为 -0.38。
• 模型优势：表现优于单独使用AdaBoost和水晶球模型，具有更高的胜率和收益风险比。

模型对比

风险提示

• 模型有效性：结论基于历史数据，市场环境变化可能导致模型失效。
• 投资建议：本报告的投资建议不构成买卖邀约，投资者需独立评估并结合自身情况做出决策。
• 法律声明：本报告仅供客户使用，不构成任何个人推荐，不承担因使用本报告而产生的法律责任。

结论

本报告系统地介绍了如何利用机器学习算法进行短期市场择时，特别是基于AdaBoost算法的模型在因子筛选、非线性建模和避免过拟合方面表现优异。通过结合期权市场信息，双塔奇兵模型进一步提升了择时效果，显示出良好的应用前景。