股票多因子系列(三)：机器学习在多因子组合中的应用.docx

江海证券有限公司及其关联机构在法律许可的情况下可能与本报告所分析的企业存在业务关系，并且继续寻求发展这些关系。因此，投资者应当考虑到本公司可能存在影响本报告客观性的利益冲突，不应视本报告为投资决策的唯一因素。

敬请参阅最后一页之免责条款

证券研究报告

证券研究报告·金融工程深度报告2024年9月12日江海证券研究发展部

金融工程研究报告

股票多因子系列（

股票多因子系列（三）：机器学习在多因子组合中的应用

金融工程研究组

分析师：梁俊炜

执业证书编号：S1410524090001

联系人：朱威

执业证书编号：S1410124010022

相关研究报告

1.金融工程深度报告：股票多因子系列（一）：量价类因子实测—基于BarraCNE6–2024.04.15

2.金融工程深度报告：股票多因子系列（二）：基本面类因子实测—基于BarraCNE6–2024.05.22

3.金融工程深度报告：SmartBeta系列（一）：红利指数增强策略初探–2024.06.23

4.金融工程深度报告：衍生品量化系列（一）：可转债多因子模型初探-2024.07.26

◆机器学习主要是指让计算机从观测数据（样本）中学习、归纳、总结出具有一般性的规律，并利用这些规律（模型）对未知数据进行预测的方法。主要可分为：监督学习（supervisedlearning）、无监督学习（unsupervisedlearning）、半监督学习（semi-supervisedlearning）与强化学习（reinforcementlearning）等。

◆过拟合问题成为机器学习算法的主要痛点之一。为了对抗过拟合，常见的算法有：留出法、K折交叉验证法、留一法等，其中K折交叉验证法在实践中运用较多。而金融类数据往往为时间序列，使用K折交叉验证法会有引入未来数据的风险，因此时序交叉检验为更合适的对抗过拟合方法。

◆我们简要介绍了监督学习类别下的线性回归模型、逻辑回归模型、支持向量机模型以及集成学习模型。针对以上模型，我们从聚宽数据库筛选出基础类、情绪类、成长类、动量类、每股指标类、质量类、风险类、风格类、技术指标类共计

89个因子作为模型的输入特征，个股的下月涨跌幅作为响应变量，每12个月进行滚动训练，并将模型的输出预测值作为因子并进行分层回测检验。

◆回测结果显示，线性回归模型为线性模型中最优，纯多头年化收益20.65%，多空组合年化收益10.35%，夏普率1.96；高斯核支持向量机为非线性模型中最优，纯多头年化收益20.08%，多空组合年化收益12.37%，多空组合夏普率2.23。综合对比来看，高斯核支持向量机表现最好，同时，非线性模型在回撤控制方面普遍优于线性模型。

◆可以发现，滚动训练的模式下，线性回归模型本身已经非常优秀，在加入惩罚项后并不能提升模型效果反而带来“负优化”，各类非线性模型也很难战胜线性回归模型。我们推测原因可能为：1）滚动训练过程中，我们仅选取12个月作为训练集长，无法覆盖市场完整的经济周期，某些算法可能无法充分发挥学习能力的优势；2）我们分层回测时每组的持仓股票数过多，每组占到全市场股票数的10%。而实际上，持仓数在100以下是较为常见的数目，过大的组合规模不仅会缩减收益也会带来高昂的持仓成本；3）在市场风格变动较小的时期，即因子动量效应存在的时间里，线性模型已然是最优解无需再运用更复杂的模型，正如奥卡姆剃刀原理所言：“如无必要，勿增实体”。

◆风险提示：

本报告可能存在数据缺失、数据错误、数据不及时、模型处理错误等风险。本报告仅从金融工程角度，对可转债市场数据进行统计、分析，不构成对市场指数、行业或个股进行预测或推荐。

本报告涉及的策略搭建方法仅供参考，不构成任何投资建议。本报告回测结果仅依赖于过去公开数据，不代表未来收益，随着市场变化，所测试的结果与研究结论可能存在失效的风险。

证券研究报告·金融工程深度报告

敬请参阅最后一页之免责条款1

正文目