收益复制的LASSO回归方法实践.pdfVIP

[Table_MainInfo] ┃研究报告 ┃ 机器学习实战系列之二 2017-12-06 金融工程┃专题报告 收益复制的LASSO 回归方法实践 [Table_Author] 报告要点 分析师 覃川桃 （8621  收益复制策略的应用场景 qinct@ 广义的收益复制策略在许多场景中都有应用价值。较为典型的收益复制应用情 执业证书编号：S0490513030001 景包括三类：（1）极小型股票池、低调仓频率实现宽基指数跟踪；（2）通过直 联系人 邓光宏 接持有底层资产，近似模拟基金组合收益，降低管理费用；（3）在持股受限的 （8621 denggh@ 情形下解决受限个股替代性持仓的权重分配 问题。同时，海外市场 中的对冲基 金指数 ETF 产品的设计思路对我们也有一定的参考意义。 联系人 杨靖凤  核心方法：LASSO 回归筛选和二次优化模型 （8621 yangjf@ 系统化地实现收益复制框架并非易事，它需要回答两个核心问题：选什么股票 和如何在它们之间进行权重配置。通过机器学习方法中的 LASSO 回归模型筛 分析师 选最优股票池，然后求解二次优化模型得到最优持仓权重是本文的核心框架。 [Table_Doc]  构建指数、基金和个股的有效跟踪组合 在小型股票池（最大 30 只持仓）、低换手频率（月度调仓）的条件下，模型构 建的复制组合仍能对指数、基金和个股实现长期跟踪 。从指数、基金和个股三 个层面的回溯结果来看，复制组合的月度平均跟踪误差分别为 0.07%、0.01% 和-0.16% ，跟踪误差标准差分别为 2.08%、4.02%和 4.40%。模型的长期跟踪 效果较为稳定，但短期跟踪效果仍有待提升 。  机器学习方法准确挖掘目标组合的持股特征 在基金和个股收益复制的研究过程中，我们发现 LASSO 回归准确捕捉了目标 投资组合的风格和行业特征，并精确识别 了基金持仓个股。这类结果对我们实 时捕捉投资组合的持仓风格也有很大意义。 风险提示： 本报告对于历史的回测不代表对未来收益的承诺。 请阅