金融工程深度：基于机器学习方法的两阶段因子择时.docx

正文目录

理论概述 4

多因子投资 4

因子择时 4

策略框架概述 4

市场部分 4

因子部分 5

策略模型构建 5

第一阶段 5

市场状态划分 5

宏观指标介绍 8

市场状态预测模型 11

市场状态预测结果 13

第二阶段 15

待选风格因子 15

因子相关性分析 16

滚动筛选因子 20

策略回测 21

中证800因子择时回测 21

全A因子择时回测 23

5总结 26

参考文献 26

风险提示 26

8附录 26

K-means聚类 26

基于决策树的重要性得分 27

SMOTE方法 27

图表目录

图表1：策略框架 5

图表2：K-means聚类 6

图表3：簇类平方和 6

图表4：中证800滚动回撤聚类 7

图表5：各类市场状态占比与平均回撤 7

图表6：市场状态分布图 7

图表7：过采样（SMOTE）介绍图 8

图表8：宏观指标介绍 9

图表9：金融条件指数指标体系 9

图表10：金融条件指数（FCI） 10

图表11：金融波动指数（Turbulence） 11

图表12：随机森林流程 11

图表13：网格搜索与交叉验证（GridSearchCV）流程 12

图表14：参数选择 13

图表15：样本外市场状态 14

图表16：样本外市场状态分布 14

图表17：熵的计算流程图 15

图表18：宏观指标重要性得分 15

图表19：股票风格因子介绍 16

图表20：中证800因子收益率间的相关性 16

图表21：市场上升时期：中证800因子收益率间的相关性 17

图表22：市场正常时期下降：中证800因子收益率间的相关性 17

图表23：市场衰退时期：中证800因子收益率间的相关性 17

图表24：市场正常时期上升：中证800因子收益率间的相关性 18

图表25：全A因子收益率间的相关性 18

图表26：市场上升时期：全A因子收益率间的相关性 18

图表27：市场正常时期下降：全A因子收益率间的相关性 19

图表28：市场衰退时期：全A因子收益率间的相关性 19

图表29：市场正常时期上升：全A因子收益率间的相关性 19

图表30：中证800因子优胜概率示例图 20

图表31：全A因子优胜概率示例图 20

图表32：回测时间说明图 21

图表33：中证800范围因子优胜概率 22

图表34：中证800范围策略净值 22

图表35：中证800范围风险收益指标 22

图表36：中证800范围分年度收益指标 23

图表37：今年以来中证800内因子预测权重 23

图表38：全A因子优胜概率 24

图表39：全A策略净值 24

图表40：全A风险收益指标 25

图表41：全A分年度收益指标 25

图表42：中证全A今年以来因子预测权重 25

理论概述

多因子投资

1964年，Sharpe提出资产定价模型(CapitalAssetPricingModel,CAPM)，清晰地表明风险和收益之间的关系。1993年，FamaandFrench在市场因子的基础上加入了HML和SML两个因子，构成了一个三因子模型，目前它已成为全球各国股票市场上资产定价实证研究的首选。而在诸多模型中，barraCNE5模型等系列是目前专门针对中国A股市场的股票风险模型，它包含一系列股票风格因子：市场因子、市值因子、动量因子、成长因子、流动性因子、盈利因子、杠杆因子、价值因子、非线性因子和波动因子。这为中国A股的因子投资提供指引，也为报告后续的投资组合提供指导。

但总体而言现有的研究主要集中于因子挖掘和因子组合，较少将注意力放在因子择时上。这一方面是因为现有的因子投资框架较为完整，便于学习研究；另一方面也是因为因子择时十分困难。

因子择时

常见的择时理论主要应用于股指增强，或者多类资产的配置。例如2004年美林证券提出“投资时钟模型”，将经济周期分为了四个独立的阶段，并表明大类资产的配置取决于宏观经济所处的阶段，并进一步基于对1973-2004期间30年的研究完善美林时钟模型，通过对过去衰退期，复苏期，扩张期和滞涨期情况的复盘，给出不同经济周期下大类资产的投资品种参考。这是经典的资产配置择时理论。

因子择时基于传统多因子投资的框架，寻找影响因子表