本报告提出截面融合模型选股框架,通过选择合适的特征空间、模型簇及融合规则,将多个特征空间和模型预测结果线性加权融合,显著提升全A股机器学习选股的超额收益和风险调整收益。框架有效捕捉因子非线性关系,筛选子空间和基于样本内组合收益的融合标准表现优于全空间和传统R方标准,融合模型的年化超额收益达20.03%,夏普比1.10,信息比2.93,优于单一模型和线性回归
| 大类因子 | 具体因子示例 | 描述 | 重要性方向 |
|---|---|---|---|
| 价值 | EP、BP、CFP、SP | 净利润、净资产、现金流相关比率 | 正相关 |
| 成长 | 营业收入季度同比增速 | 成长性指标 | 正相关 |
| 盈利质量 | ROE、ROA、毛利率等 | 盈利和现金流质量 | 正相关 |
| 反转 | Alpha、过去涨跌幅 | 反转效应相关 | 负相关 |
| 波动率 | 波动率指标 | 风险水平标志 | 负相关 |
报告标题:机器学习实战系列之三——《截面融合模型选股框架初探》
发布机构:长江证券研究所
发布时间:2018年3月11日
研究领域:金融工程,机器学习在多因子选股中的应用与创新
报告核心观点:
风险提示:所有测试基于历史数据,模型存在失效风险,不保证未来收益。
作者旨在向读者展示基于机器学习技术的选股框架创新,突破纯粹单一模型的限制,通过融合策略捕获更真实复杂的因子和收益关系,提升量化选股能力,报告为业内机器学习应用提供框架和实证参考。
讨论机器学习建模的理论基础,区别“真实关系”与“最优关系”:
真实关系是指理论上一切特征和函数空间的映射关系,是所有可能解释预测空间的完整映射。
最优关系则是在“可感知的特征空间”和“可感知函数空间”(即实际可用数据和模型能力范围)内寻找的逼近真实关系的最优映射。
数学表达体现了从全特征空间Ω1映射到预测空间Y,和实际可感知的子特征空间Ω2映射的区别。
提示框架设计的三个关键步骤(特征空间选择、模型簇选择、融合规则确定),对应机器学习中的特征工程、模型训练、模型融合。
此理论基础强调当前机器学习模型受到数据和算法能力的限制,需针对不同子空间和函数空间组合形成融合模型,以更逼近真实的因果预测关系。
指出传统机器学习多因子选股通常全部因子输入,单一模型输出,但存在4个核心问题:
为解决上述问题,倡导首先筛选有效因子子空间,再对特征空间逻辑拆分,形成多角度的解释空间。
特征空间的选择与处理:
表1列举了覆盖价值、成长、盈利质量、资产结构、波动率等多维度的100+个具体因子,涵盖TTM、季度同比等多种经济指标,打下了扎实的特征基础。
该部分体现了作者对机器学习特征层面深刻理解,尤其针对金融领域噪声和非线性特征有针对性的、系统性的解决方案设计。
解释空间通过划分特征空间为多个逻辑子空间(如行业)从而分别训练模型,避免同类因子间相互干扰,也解决哑变量稀疏问题。
函数空间的多样性:
详细介绍三类常见模型簇:
本文因深度学习容易过拟合噪音,暂不纳入融合模型,选取了广义线性回归、提升树和随机森林三类模型簇。
函数空间的有效性包括模型簇本身是否适用任务,以及单个训练模型是否能有效适应数据。
此部分是架构设计的核心,强调多模型融合减小偏差和方差,从理论和实践的平衡中选取适合模型簇,表现出严谨的算法思想。
模型融合可视作神经网络多层嵌套重训练过程,但因金融数据噪声较多,过深融合易过拟合。因此采用浅层线性加权融合不同模型输出。
任务定义为回归而非分类,理由在于回归保留连续信息,避免分类带来的信息损失及概率分布差异,融合结果更稳定。
模型融合的目标函数聚焦于股票组合的超额收益表现,而非传统拟合指标(如R方),实现更符合实际投资需求的模型优化。
回测覆盖全A股,2011年至2018年,月度调仓,交易成本考虑在内。选股分组为10组,组内等权分配。
因子数据处理包括中位数去极值、行业中位数缺失填补、标准化。
该部分体现足够数据严谨性,同时检验模型实战能力,融合标准创新体现了机器学习为投资带来的实用转化。
设计对比实验四组提升树模型:
发现:
图2-5(策略净值、超额收益、多空收益、相对线性模型表现)清晰展示多个模型的时间序列表现,子特征-子空间-Boost模型净值曲线最高且较稳定。
表2的关键指标数据:
| 指标 | 全特征-Boost | 子特征-Boost | 全特征-子空间-Boost | 子特征-子空间-Boost |
|---|---|---|---|---|
| 年化收益(%) | 28.99 | 29.43 | 29.67 | 30.49 |
| 超额收益(%) | 16.67 | 16.96 | 17.20 | 17.93 |
| 夏普比 | 0.99 | 1.01 | 1.01 | 1.04 |
| 信息比 | 2.48 | 2.49 | 2.50 | 2.64 |
| Calmar比 | 0.57 | 0.59 | 0.60 | 0.61 |
该结果表明精细化因子筛选及空间拆分显著提升量化选股效果,充分支撑框架设计理念。
比较两种融合标准:
结果表明以第一组选股收益为标准的融合策略表现更佳:
| 指标 | R方标准模型 | 分组标准模型 |
|---|---|---|
| 年化收益(%) | 30.49 | 32.81 |
| 超额收益(%) | 17.93 | 20.03 |
| 夏普比 | 1.04 | 1.10 |
| 信息比 | 2.64 | 2.93 |
| Calmar比 | 0.61 | 0.66 |
图6-9展示两个模型的累积净值、超额收益、多空收益和相对线性模型表现,分组标准持续优于传统R方。
这一部分说明,传统统计指标不能完全反映投资收益优劣,选用切实投资导向的指标更能提升融合效果和策略性能。
融合模型将基础模型(提升树、ExtraTrees、随机森林、Ridge回归、Lasso回归)组合,权重按年度动态调整。
表5显示2011-2017年各模型权重:
图10关联矩阵展示融合模型与基础模型间预测相关性,融合模型与下一期收益相关度最高(约18.8%),明显优于单模型。
图11-14展示各模型累计净值、超额收益、多空收益及相对线性模型表现,融合模型整体领先。
表6和表7展示模型分组和整体评价指标,融合模型年化收益32.81%,超额收益20.03%,夏普比1.10,明显优于单个模型。
表8分年表现显示2015年超额收益高达56.32%,但2017年出现回撤,体现策略周期性。
融合模型通过多模型加权有力减小单模型偏差和方差,实现了优异的收益风险表现,验证了多样函数空间组合的理论预期。
引入一个创新因子——非线性效应因子,定义为融合模型预测结果与线性模型回归的残差,刻画模型捕获的非线性信息。
对非线性效应因子在全A股分组选股进行实际回测。
图15显示非线性效应因子分组净值走势,不同组收益明显分层,长期表现良好。
图16为该因子多空收益及累计多空收益,示意其有效的组合收益能力。
表9反馈非线性因子各分组的关键指标:
此实证表明,截面融合模型的核心优势在于捕捉和利用因子间复杂的非线性关系,能够为多因子选股提供额外的有价值信息,补充传统线性模型。
全文核心结论:
下一步将围绕机器学习在选股中的细节优化和扩展,继续提升模型应用效果与实用性。
报告体现了量化金融中机器学习方法论的创新与价值,提出了理论和实证结合的先进框架。
本报告为机器学习模型研发技术专注报告,无直接公司估值或行业分析,未涉及传统估值方法(DCF、PE、EV/EBITDA等)及目标价推导。因此不存在估值细节。
风险提示在开头明确指出:
报告未详细展开缓解措施,建议用户关注模型稳定性和实时校准。
报告较为系统和谨慎地设计模型体系和实证检验,尽力避免过拟合风险,采取了中位数去极值和行业中位数填补策略,反映数据处理的严谨。
深度学习模型因过拟合噪音而未被纳入,有一定的保守性,不过这也是目前机器学习应用于中小样本金融数据的现实问题。
措辞中体现对历史数据与未来表现不确定性的警示,体现客观态度。
融合模型权重调整体现了动态市场适应的理念,避免单一模型依赖。
不足之处是融合标准选择上只对比了R方与分组标准,未尝试其他可能的指标(如AIC、BIC等),此外缺乏对过拟合潜在影响的深度量化分析。
未详述行业因子哑变量的进一步处理细节,可能对稀疏矩阵影响的说明可更完整。
2017年出现的超额收益回撤,需后续研究风险控制和模型适应机制。
总体报告逻辑严密,结论基于丰富数据和稳健分析,但实际应用仍需注意市场非稳定性和模型适应性挑战。
本报告系统阐述并实证检验了基于机器学习的截面融合模型选股框架,创新点包括:
三个核心设计:分层划分特征空间、引入多模型簇构建多样函数空间、依据实际选股收益制定融合标准,实现更精准的机器学习因子选股;
实证亮点:
图表支持:所有关键图表(图2-5、图6-9、图10-14及图15-16)清晰地展示了策略收益曲线和分组表现,数据严谨且趋势明显,充分支持文本观点。
综合判断:作者通过理论基础、因子设计、模型框架搭建及全市场实证验证,充分表明截面融合模型在多因子选股中具备显著优势和应用潜力,同时明确提醒风险与历史表现局限。
综上,报告为金融量化领域机器学习选股创新提供了坚实的理论框架和实证依据,有助于推动机器学习在量化投资中的广泛应用和深入发展,为投资决策提供更科学、系统的工具支持。,3,4,5,6,7,8,9,10,11,12,13,14,15,16]
(以上引用页码为对应内容所在页码,方便归溯和查考)
机器学习实战系列之三:截面融合模型选股框架初探.pdf