随机森林与传统多因子模型的选股风格对比.PDF

金 权益专题报告 融 随机森林与传统多因子模型的选股风格对比 工 ——多因子模型研究系列之四 程 分析师：宋旸 SAC NO：S1150517100002 2018 年7 月26 日 研 证券分析师 宋旸 核心观点： 究 022  模型建立方法： 本篇报告中，我们分别使用机器学习中的随机森林算法与传统的线性回 songyang@ 归方法，针对沪深300 成分股、中证500 成分股与全体A 股构建多因 子选股模型，比较二者的历史表现。同时针对两类模型选出的股票池， 运用业绩归因方法来探寻两个模型在选股上的风格异同，通过对比组合 证 的因子暴露和因子收益来确定两种选股结果的主要收益来源。 相关研究报告 券 随机森林多因子模型构建方法：每个月月末截面期，选取下个月收益排 名前30%的股票作为正例，后30%的股票作为负例。将当前月份前12 《多因子模型研究之一：单 研 因子测试 个月的样本合并形成训练集。使用训练集训练随机森林模型，预测下一 月个股涨跌概率，选取上涨概率最高的50 支股票组成股票池。 究 《多因子模型研究之二：收 传统多因子模型构建构建方法：采用估值、盈利、成长、动量、反转、 益预测模型 波动率、流动性、市值八大类因子建立线性回归模型，采用 12 个月的 报 《多因子模型研究之三：风 移动平均方法预测因子未来收益。  回测结果总结： 告 险模型与组合优化》 在各个样本池中，随机森林模型的表现相比于传统多因子模型均有一定 程度的提升，尤其是在相比业绩基准的月度胜率上的提升十分显著。这 说明随机森林模型相比传统多因子模型具有更强的灵活性，可以更快的 《使用随机森林算法的行业 把握市场风格的转变。 轮动模型——行业轮动专题 在业绩归因模型中，传统多因子模型在大部分因子暴露上的波动率均明 一 显大于随机森林模型。这说明在不加限制的情况下，传统多因子模型的 选股风格可能会更加极端化。 通过对于不同样本范围内选股结果的分析，可以发现，股票池中的小市 值股票越多（全A 中证500沪深300 ），模型选股结果的因子波动性越 大，同时在市值因子的暴露也逐步上升。对市值因子的依赖是多因子模 权 型一直面临的问题，在实际应用中，我们推荐对于市值因子做一定的风 险敞口控制，以防止因子失效带来的大幅回撤风险。 益  风险提示： 随着市场环境变化，模型存在失效风险。 专 题 报 告