本文基于机器学习分类模型(包括逻辑回归、支持向量机、随机森林、集成分类器和人工神经网络)预测股票型和偏股型基金未来收益为正的概率,作为FOF基金组合的选股信号。研究结合了基金净值基特征、多维另类数据、CNE7因子暴露度和基金规模等72个特征变量。结果显示模型输出的预测概率与基金下季度收益率显著正相关,其中人工神经网络表现最佳,能学习到动量效应并实现一定超额收益。尽管如此,除人工神经网络外其它模型的超额收益不显著,动量策略仍具备较强竞争力。去除动量因子后,人工神经网络预测能力和超额收益大幅下降,进一步验证动量效应是基金投资的有效信号。后续研究建议通过特征降维和深度学习模型提升绩效
| 模型 | 超参数 | 参数值 | 5折CV得分 |
|---|---|---|---|
| 逻辑回归 | C | 3.07 | 68.41% |
| SVM | C, gamma | 4.86, 1 | 63.42% |
| 随机森林 | 树数 | 103 | 78.05% |
| ANN | 隐藏层数,每层神经元 | 1层,15个神经元 | 80.69% |
| 集成分类器 | - | - | 76.55% |
| 模型 | 系数 | 常数项 | 𝑅² |
|---|---|---|---|
| 逻辑回归 | 0.3002 | -0.1311 | 0.2163 |
| SVM | 0.3645 | 0.1642 | 0.0933 |
| 随机森林 | 0.3898 | 0.1775 | 0.3856 |
| ANN | 0.1844 | -0.0706 | 0.3108 |
| 集成分类器 | 0.5225 | -0.2468 | 0.3433 |
五种分类模型涵盖了从简单到复杂、多层次的机器学习方法:
报告详细介绍了各模型数学原理及实现框架,并配有清晰的结构示意图(图1、图2、图3)
数据来源于Wind数据库,涵盖股票型和偏股型基金净值、规模、基金公司、风格、风险等级、因子暴露度(CNE7经典因子)等,时间覆盖2007年4月至2018年12月训练,2020年1月至2022年1月回测。
样本数逐年增长,2018后明显增加,并剔除缺失数据基金,保证信息完整性(图4)。
分三类特征:
以上共计72个特征,信息维度丰富但也存在无效或噪音特征风险
图4(基金数逐年增长柱状图)
展示了2007年6月至2021年12月股票型及偏股型基金数量的显著增长,从不足20只增长至近2000只,说明数据覆盖面扩大,有助于模型训练多样性和泛化性。
图5-7(收益率为正的分布直方图)
三组分别对应过去3、6、12个月收益率为正条件基金下季度实际收益正负的数量分布。图5表明3个月动量效应最强,正收益基金更多,动量短期效应明显。图6-7显示年化波动率和一致性较低时有反转效应,揭示收益波动性对未来收益的影响,提供更丰富的特征解释基础。
图8-10(不同基金风格数目季度变化)
对比大盘,中盘,小盘风格基金数变动。大盘基金数量最大,表现为动态风格结构随市场演变,说明风格特征多样且可能捕捉基金的策略变化,有利于模型因子特征多样化。
图11(风险等级基金分布)
主要基金样本集中于中风险(R3),表现为风险偏好集中,全面捕获中高风险基金特征,使得模型能针对主要投资群体特征学习。
图12(基金存续时间频率)
多数基金存续时间在0-2000天,两个峰值区间体现基金生命周期特征可用于衡量基金成熟度和可靠性,间接关联基金业绩稳定度和预测价值。
图13(基金公司基金发布数)
嘉实基金规模最大,显示规模优势的基金公司可能具备管理能力和资源优势,基金公司特征可反映管理团队潜在影响,为基金选取增加额外维度。
图14-21(CNE7因子暴露度与未来基金收益正负概率分布)
各风格因子及行业因子正暴露基金未来更多获得正收益,特别是BP、EP、杠杆、动量因子和银行、电力设备行业因子显著,证实因子暴露度特征具有经济学意义,有助模型揭示因子收益特征。
图22(基金规模季度演变)
规模整体自2007年上升至2010年末后波动下降,反映基金市场资金流动与投资规模变化,为基金规模特征的时序依赖提供依据。
图23(超参数调优与交叉验证分数表)
ANN模型最优参数为1隐藏层15神经元,表现最好,显示简单深度结构已足以捕捉主要数据特征,且交叉验证验证精度较高保证模型泛化性能。
图24(5折平均ROC曲线)
ANN和随机森林AUC最高接近0.88,逻辑回归和SVM较低,说明深度学习及集成模型在分类能力上明显优于传统模型。
图25-27(预测概率与未来收益散点及回归曲线)
展示五模型输出预测概率与真实未来收益的相关性,均表现为正向关系,且线性拟合曲线斜率为正,验证概率预测的有效性和投资信号合理性。
图28(线性回归回归系数与r²)
随机森林和集成模型表现最佳,回归系数较大且r²值最高,显示模型输出的概率对未来收益具有较强解释力。
图29(市场投资组合收益率曲线)
作为基准,均匀加权所有基金,基准趋稳增长,为策略超额收益计算基础。
图30-32(不同分位数超额收益率曲线)
体现5种机器学习模型和动量策略在不同持仓规模控制下(10%-50%基金)超额收益波动,ANN表现最稳健,动量策略波动最大但收益较好,逻辑回归表现较差。
图33(不同分位数平均超额收益表)
ANN取得小正收益,动量表现次之,其余模型负收益,表明大多数机器学习模型策略不能持续产生超额收益,回测期内市场环境难以被完全捕捉。
图34(信息比率)
ANN信息比率为正,动量次之,其他模型均负,显示ANN风险调整后的表现优于其它策略,说明胜率和稳定性有优势。
图35(各季度模型预测精度时间序列)
ANN预测精度相对稳定且多数时间领先,SVM波动较大且有时高达99%,动量预测准确率相对较低波动大,显示机器学习模型预测稳定性优于简单策略。
图36(不同分位数平均准确率)
机器学习精度整体优于动量,特别是ANN在较低分位组合中预测准确性最高,且随着纳入更多低置信度样本,动量下降明显,显示机器学习策略更可靠。
图37-41(剔除动量特征的超额收益与预测精度)
剔除传统的动量类特征(3、6、12个月收益、一致性),除ANN外所有模型表现无明显变化;ANN收益和精度显著下降,说明ANN确实学习到了动量效应,支持“深度学习模型更能捕捉复杂特征”结论。
图42(2021年最新各模型Top10基金推荐)
展示模型基于2021年末最新数据的基金选取结果,反映各模型基于不同特征的投资偏好,提供实务参考价值。
报告内容主要属于量化策略研究与模型性能验证,没有传统意义上对基金估值的现金流折现(DCF)或市盈率(P/E)测算部分,估值路径主要通过模型预测概率映射为基金组合权重及其预期收益表现,属于定量选基模型构建范畴。
重点在于通过机器学习算法的超参数调整和交叉验证,确定最佳模型配置,并用投资组合回测检验预测信号的有效性。策略结合基金未来正收益概率和动量特征实现加权投资,并用超额收益率和信息比率作为策略表现的指标。
无敏感性分析报告,除模型超参数调优过程及其4.1节特征筛选和动量特征剔除后的序列对比分析。, 31-33]
本报告系统地应用五种机器学习分类模型(逻辑回归、支持向量机、随机森林、集成分类器及人工神经网络)对中国股票型和偏股型基金的下季度收益能否为正进行预测,并利用模型输出的预测概率构建FOF基金量化多头投资策略。特征来源涵盖基金净值的动量指标、另类非净值数据、CNE7经典因子暴露情况和基金规模信息,共72个维度,力求全面展示基金基本面与市场表现之间的复杂关系。
主要发现如下:
报告整体立场客观,强调机器学习方法的前沿优势及局限性,推荐通过深度学习和特征工程优化路径提升FOF基金量化选基策略性能,同时提醒投资者历史数据局限性。
阐释逻辑回归分类决策概率映射函数。
显示基金市场扩张,数据样本丰富。
客观反映模型预测准确率和分类能力优劣。
各模型预测概率与未来收益呈正相关的统计显著系数。
作为回测基准收益率。
本报告系统性的介绍并验证了基于机器学习分类模型的FOF基金投资策略。机器学习特别是深度学习模型在挖掘基金步步复杂且非线性的特征关系中显示出强劲的能力,能提供更为稳定的预测性能,但仍需正视特征选取与训练样本平衡等挑战。动量效应依旧是基金市场有效的重要信息,且深度学习模型能够成功挖掘其内涵。
未来的研究和实际应用应聚焦于特征工程优化和强化深度学习架构,结合风险控制机制以及交易成本考量,力图将预测性能转化为可观稳定的投资收益,从而推动FOF管理策略的量化升级和创新发展。
所有结论均源自报告原文相应页码,示例如下:
核心结论页: , 3, 34]
图表与模型描述相关: , 11-21]
模型训练与预测结果:
回测表现与动量效应分析:
最新基金推荐与附录:
以上为对《量化深度FOF投资量化策略——基于机器学习》报告的极其详尽且全面的分析解构。
FOF投资量化策略:基于机器学习.pdf