行业轮动系列专题之（四）——回归树在行业配置中的应用探讨：盈利与动量是行业配置的制胜关键.pdfVIP

Table_Top Table_Header1 证券研究报告_量化投资专题 Table_AuthorTemp 证券研究报告_XX 报告 2011 年 12 月16 日 15406 2011 年6 月14 日 15306 Table_Title 盈利能力与动量因子是行业配臵的制胜关键 ——回归树在行业配臵中的应用探讨 Table_Author 胡海涛 分析师 罗军 分析师 Table_Temp 电话：0208406 电话：0208655 eMail：hht@ eMail：lj33@ 执业编号：S0260511020010 执业编号：S0260511010004 Table_Summary CART 树的介绍 决策树是一种类似于流程图的树状结构；其中每个内部节点（非树叶节点）表示在一个属性上的测试，每个分枝 代表一个测试输出，而每个树叶结点存放一个类标号。树的最顶层节点是根节点。与其他数据挖掘的黑箱算法不 同，决策树的分类可以用树的形式表示，同时形成一套分类规则，因此非常直观且容易理解。 完整的决策树模型应该包含三个部分：构建完整的决策树结构；在树的复杂度及预测准确率间平衡，优化树结构； 用构建好的树对新的数据进行分类、预测。 将回归树应用于行业配臵 一个因子的有效与否应该跟它背后的经济逻辑紧紧相扣的。如果没有较强的经济逻辑在支撑，只是根据统计来出 好的效果，其有效性是值得怀疑的。根据我们对经济逻辑的梳理，我们选出了估值、盈利、一致预期、动量、营 运能力以及宏观方面一共6 大类13 个因子。 我们通过构建样本长度不变的动态回归树，对行业在每个月的表现进行分类打分，再将得分按高低进行排序，就 可以决定最终的超低配结果。经过实证，分成两档的累计超额收益为 44.97% ，而分成三档的累计超额收益为 91.09%。从统计量来看，P 值都在3%以下，说明预测效果显著。三档预测的胜率超过6 成，并且超额收益的最 大回撤也仅为10.36%。 因子的历史回溯 金融工程的分析工作，除了通过模型挖掘市场数据中对于投资具有指导意义的东西外，更重要的是能够透过模型 发现数据之间的内在逻辑。采用决策树进行分类预测的一个很关键的优势就在于它能够通过树结构的形式将分类 规则直观清晰的展现出来。因此，我们根据 05 年至今的市场形式，对当时的因子分类规则进行回溯。从市场整 体的历史表现而言，行业的盈利能力以及动量效应是最值得关注的行业因子指标。 当前的配臵建议 当前的时间点上，我们建议关注PE 以及预测PE 因子表现较好的行业。目前建议超配的5 个行业为医药生物、 电子、信息服务、公用事业和轻工制造；而建议低配的5 个行业为餐饮旅游、家用电器、建筑建材、化工和商业 贸易。 Table_FooterContact 广发证券公司或其关联机构可能会持有报告中所涉及的公司所发行的证券并进行交易，亦可能为这些公司提供或争取提供承销等服 务。本报告中所有观点仅供参考，并请务必阅读正文之后的免责声明。