选股因子系列研究（五十二）：基于回归树的因子择时模型.pdfVIP

[Table_MainInfo] 金融工程研究 证券研究报告 金融工程专题报告 2019 年08 月06 日 [Table_Title] 选股因子系列研究（五十二）——基于回归 相关研究 [Table_ReportInfo] 《海通金工一周观点和策略回顾 20190719 ）》2019.07.22 树的因子择时模型 《选股因子系列研究（五十一）——消费 [Table_Summary] 板块的因子组合》2019.07.19 投资要点： 《行业轮动系列研究17——基金行业配 臵观点的分析》2019.07.19 近年来，随着常规因子波动性的提升，因子择时也逐渐受到投资者的关注。在系列 专题报告《选股因子系列研究(二十)——基于条件期望的因子择时框架》、《因子择 时模型改进与择时指标库构建》中，我们讨论了因子择时模型的构建。本文在前期 研究的基础之上，放松了择时变量与因子收益线性相关这一假设，通过引入回归树 [Table_AuthorInfo] 构建因子择时模型。此外，本文还尝试将回归树因子择时模型与传统的因子收益动 量模型结合在一起，并引入防御性因子择时的思路。  情景化因子择时模型下，回归树较为适用。在因子择时这一问题中，回归树可协 助投资者将历史样本按照因子择时变量进行分类，并统计不同市场环境下因子的 收益表现。投资者可根据拟合得到的决策树以及当前的市场环境对于因子未来收 益进行预测。  可使用回归树基于历史数据得到简单直观的因子择时规则。以市值因子为例，可 使用近 5 年以及近 10 年的数据构建因子择时回归树。从结果来看，模型能够协 助投资者寻找对于因子收益具有较好区分效果的因子择时变量，并且回归树给出 的因子择时规则较为直观。在情景因子择时研究中，该模型能够帮助投资者寻找 情景划分的思路。此外，模型还具有较强的扩展性，可通过引入衰减加权的特性， 提升近期观察的权重，从而使得最终模型对于近期数据具有更高的拟合度。  可使用回归树进行因子方向性择时。以市值因子为例，在 2017 年市值因子转向 的过程中，长期持有组合出现了大幅回撤，两个因子择时组合的回撤相对更小。 虽然两择时组合在 2017 年的回撤更小，但是择时组合在市值因子表现强势的 2015 以及2016 年中却明显弱于长期持有组合。因此，放弃因子收益动量模型并 完全切换至回归树择时模型并不现实。  防御性因子择时是一种更加稳健的因子择时方法。所谓的防御性因子择时，可理 解为在预判因子收益存在较大不确定性时，关闭因子敞口，不承担风险，也不尝 试获取收益。由于因子择时最终面向的是多因子模型，因此投资者没有必要对于 每