机器学习与基金特征如何选择正Alpha基金？.docxVIP

图表目录

图表1文章框架 4

图表2基金特征及其定义 8

图表3基金特征：描述性统计 8

图表4目标变量与基金特征的关系矩阵 9

图表5基金组合的样本外ALPHA 12

图表6各个方法样本外ALPHA与OLS对比 13

图表7样本外平均超额回报与风险 14

图表8特征重要性 14

图表9梯度提升中基金特征与业绩关系的非线性 15

图表10随机森林中基金特征与业绩关系的非线性 16

图表11相互作用的重要性 17

图表12双重筛选组合的样本外ALPHA 17

图表13梯度提升中特征重要性随时间的变化 18

图表14随机森林中特征重要性随时间的变化 19

简介

图表1文章框架

资料来源：

关于共同基金的研究表明，考虑到交易成本、费用及其他支出，主动管理基金的平均风险调整回报（Alpha）往往为负（参见Sharpe,1966；Jensen,1968；Gruber,1996；Ferreira等,2013年的研究）。虽然Wermers(2000)、Barras等人(2010)、Fama和French(2010)、Kacperczyk等人(2014)、Berk和VanBinsbergen(2015)的研究记录到一些管理者的业绩超越了基准，但要事先识别出这些优秀的基金非常困难。本文献通过利用机器学习方法挖掘基金特征与业绩间的非线性关系和相互作用，展示了如何构建多头策略的可交易共同基金组合，以获得扣除所有成本后显著的样本外Alpha。文献的结果显示，如果投资者使用能捕捉基金特征与业绩之间复杂关系的高级预测方法，那么他们通过投资主动管理的共同基金可以赚取显著的Alpha。

近期，被动型基金在美国的规模已经超过了主动型基金，许多专家认为，被动型基金的兴起是因为大多数主动管理者长期无法超越费率更低的被动替代品（参见Gittelsohn,2019）。为了探究是否存在业绩突出的主动管理者，研究人员已经对过去的基金回报是否能预测未来业绩进行了研究。从这些研究中得出的共识是，净Alpha值的持续正增长是不可能的，尤其是在考虑到共同基金回报对市场动量因子的敏感性之后（参见Carhart,1997）。

Berk和Green（2004）的模型与基金净Alpha缺乏持续性的观点一致。在这

个模型中，投资者会根据过去的回报，无限制地向他们认为业绩优异的基金注入资金。如果投资组合管理存在规模报酬递减，在平衡状态下，历史拥有正Alpha的基

金会吸引更多资产，从而获得与其他主动基金相同的预期净Alpha：即等于被动基准（零）。然而，信息摩擦可能会阻碍投资者资金的流动，使得基金业绩不会完全趋向于零（参见Dumitrescu和Gil-Bazo,2018;Roussanov等人,2021）。因此，共同基金业绩是否可预测，实际上是一个需要经验数据支撑的问题，这一问题在文献中受到广泛关注。有几项研究显示，共同基金的特征可以用来预测基金的业绩；详见Jones和Mo（2020）的综述。通常，这些研究会根据共同基金的特征，每月或

每季度对基金进行排名，然后，将资金分配到五组或十组，并评估这些基金组合的多空业绩。然而，过往文献的基金特征中，只有少部分指标在扣除交易成本、费用和其他支出之后仍能选择出正Alpha的多头基金组合，因为基金不能轻易做空，投

资者只能通过选择正净Alpha的多头组合来从主动管理中获益。

文献研究方法如下：首先，用到了17个不同的基金特征来预测业绩，更全面地考虑问题的复杂性。基金业绩受到多种因子影响，包括管理者的多方面能力、投资组合约束、管理者激励和代理问题，以及基金的交易成本、费用和其他支出。其

次，采用三种机器学习方法来预测基金业绩：弹性网络（elasticnet,）、梯度提升

（gradientboosting）和随机森林（randomforests）。这些方法能够处理不相关或高度相关的预测因子，因此，在考虑多个特征的同时降低过度拟合的风险，这种风险通常低于普通最小二乘法（OLS）。此外，两种基于决策树的方法（梯度提升和

随机森林）能够识别非线性和交互作用，可能会发现弹性网络或OLS等线性方法可能错过的可预测性。第三，策略需要可以交易，因此只考虑基金多头组合且仅使用过去的数据来构建，并根据净Alpha评估其未来（样本外）业绩，同时扣除费用、交易成本和其他支出。最后，文献根据基金特征采用动态方法进行组合再平衡，允许特征与业绩之间的关系随时间变化，以适应由投资者学习或市场条件变化而引起

的基金业绩决定因子的变化。

文献比较三种机器学习方法、OLS以及两种简单策略（所有基金的等