申万宏源-不同分类算法下的大小盘风格判断分析报告.pdf

不同分类算法下的大小盘风格判断 证券分析师：张立宁 A0230515090001 2019. 8. 12 主要内容 1. 大小盘轮动是重要市场特征 2. 分类算法判断风格特征 3. XGBoost与逻辑回归效果较好 2 1.1 大小盘风格轮动是重要市场特征  大小盘风格轮动是A股市场的一个重要特征 ，对大小盘轮动规律的有效把握 ， 将有助于提升投资收益。  我们分别使用沪深300、中证1000指数表征大盘股、小盘股的走势 ，通过计 算中证1000对沪深300的相对强弱 ，可以衡量大小盘风格切换情况。 大小盘指数历史表现  2009年起 ，市场出现强烈 的大小盘风格轮动效应； 2016年之前 ，小盘股总体 占优。  2016年后 ，市场出现长期 风格反转 ，大盘股总体占优。 资料来源：申万宏源研究 3 主要内容 1. 大小盘轮动是重要市场特征 2. 分类算法判断风格特征 3. XGBoost与逻辑回归效果较好 4 2.1 大小盘轮动受宏观及微观因素驱动  大小盘轮动现象受多种因素驱动 ，既包括宏观经济、政策制度等宏观变量 ，也包括证券 市场流动性、投资者结构、投资者情绪等微观结构。  我们在模型中选择以下指标作为特征变量 ，包括宏观经济数据和证券市场数据。由于宏 观数据发布有滞后期 ，对其统一做滞后一个月处理 ，即相对于交易数据多滞后一期。 特征变量 资料来源：申万宏源研究 5 2.2 大小盘轮动是一个分类问题  大小盘轮动策略的目标是在大盘与小盘两类风格中选择合适的投资标的 ，我们 只关注两类风格孰强孰弱 ，而不关注风格走势差异的具体幅度 ，因此这是一个 二分类问题。  本篇报告测试不同的分类算法在大小盘轮动中的有效性。具体算法包括：决策 树、随机森林、XGBoost、支持向量机和逻辑回归。  我们直接使用沪深300、中证1000指数作为大盘风格 、小盘风格的表征 ，并 使用两条指数的价格计算轮动组合收益率。考虑到早期证券市场结构与现在有 较大不同 ，为了保持模型的稳定性 ，将2007年作为回测起点。 6 2.3 选择回测方式：固定窗口与滚动窗口  我们采用月频调仓 ，分别在固定窗口与滚动窗口方式下回测了模型表现。 固定窗口：将全部历史样本划分为训练集与测试集 ，在训练集内通过交叉验证与网格调参确定最优超 参数 ，并将之应用于样本外预测； 滚动窗口：在每个月末 ，向前选取固定数量月数的样本作为训练集 ，将训练得到的模型用于下月的风 格判断。 与固定窗口相比 ，滚动窗口的优点在于时效性更强 ，能够利用最新数据进行模型训练。  无论是固定窗口还是滚动窗口 ，都涉及到训练集长度的选取 ，训练数据的月份 数量实际上成为一个重要参数。  回测结果显示 ，滚动窗口的风格预测准确率高于固定窗口 ，结果也更稳定 ，我 们只展示滚动窗口的预测效果。