基于非线性预测模型的行业轮动策略研究.pdfVIP

第40卷第3期吉林工商学院学报Vol.40,No.3

2024年6月JOURNALOFJILINBUSINESSANDTECHNOLOGYCOLLEGEJun.2024

基于非线性预测模型的行业轮动策略研究

周亮

（湖南财政经济学院财政金融学院，湖南长沙410205）

[摘要]相对于线性模型，非线性模型可以更好地处理变量间的非线性关系，得到更准确的预测结果。选择中信一级

行业月度数据作为研究对象，采用基本面和技术面因子作为预测指标，利用分位数回归、广义可加模型以及随机森

林三种非线性预测模型对我国股市行业收益率进行预测并构造投资组合。研究发现：相对于线性模型，非线性模

型的预测准确度更高，随机森林模型的表现最优，构建的投资组合表现最好；对随机森林模型的改进研究发现，应

尽可能往模型中增加更多的因子，而不必考虑变量间的共线性问题，但是加入的因子必须要包含有预测信息，如果

加入因子携带的预测信息过少，很可能会拖累模型的表现。研究结论是对投资组合理论以及人工智能理论的有益

补充，对于投资者的投资实践也具有一定的参考价值。

[关键词]股票收益率；分位数回归；广义可加模型；随机森林；机器学习；行业轮动

[中图分类号]F830.91[文献标识码]A[文章编号]1674-3288（2024）03-0093-10

[收稿日期]2024-01-22

[基金项目]国家社科基金项目“人民币在‘一带一路’沿线国家率先国际化的路径研究”（20BJL061）；湖南省教育厅

科学研究项目“机器学习驱动的投资组合风险管理”（21B0839）。

[作者简介]周亮（1986-），男，湖南邵阳人，博士，讲师，研究方向为金融工程与风险管理。

一、引言

在过去的几十年里，投资者对股票市场的兴趣呈指数级增长，每天都有价值数十亿美元的资产在证券

交易所进行交易。投资者在市场上应用投资策略，希望在其投资范围内实现盈利。如果私人或机构投资者

等市场参与者能够准确预测市场的行为，将使他们能够持续获得比市场更高的风险调整后收益，这促使人

们使用复杂的算法甚至是机器学习来创建预测股票市场的精确模型。事实上，大量已发表的研究试图通过

[1-3][4-8]

开发复杂的预测模型或系统来准确预测股市，一些研究报告称他们的模型可以产生利润。一般来说，

股市预测被认为是金融研究中极具挑战性的任务之一。

[9]

以前的研究大多应用基于历史数据的统计时间序列方法来预测股票价格和收益，其中，自回归条件异

方差（ARCH）模型、自回归移动平均（ARMA）和自回归综合移动平均（ARIMA）模型、移动平均、卡尔曼滤波

[10][11]

和指数平滑是最流行的技术。还有很多学者通过构建定价因子来对股市进行预测。Harvey等（2015）发

现在顶级金融学术期刊和SSRN高评价工作论文上的定价因子多达316个，其中59个新因子是在2010—

[12][13]

2012年短短三年时间提出的。但是这么多因子并不都是有效的，Green等（2017）和Hou等（2020）的研究