本报告系统研究广义线性模型在多因子选股中的应用,涵盖线性回归、逻辑回归、岭回归、Lasso、弹性网络及随机梯度下降等方法,通过统一框架深入分析模型构建、参数选择、正则化及损失函数影响,回测显示线性回归具备稳定选股能力,分类模型表现优于回归模型,尤其SGD+hinge损失模型,年化超额收益和信息比率显著提升,相关模型参数敏感性分析指出滚动训练集长度12-24月及保留全部主成分较优,正则化效果不明显,策略有效覆盖沪深300和中证500标的池,具有较强的实践指导价值
| 组合 | 年化收益率 | 夏普率 | 信息比率 | 最大回撤 | 年化超额收益 |
|---|---|---|---|---|---|
| 组合1 | 24.06% | 0.77 | 1.87 | 68.68% | 8.12% |
| 多空组合 | 24.29% | 3.11 | — | 6.58% | — |
线性回归:
逻辑回归:
线性支持向量机(SVM):
正则化方法:
损失函数种类总结:
梯度下降法:
随机梯度下降法(SGD):
构建步骤详述(参见图表4):
分层回测采用行业中性加权,行业内部依因子值分组构建投资组合(图表7示意),每个行业等权分配,整体行业权重依基准指数权重配置,衡量回测期间不同行业及整体市场的相对表现 。
图表1(第7页):三种损失函数曲线对比,展示log损失、hinge损失和modified Huber损失随预测正确性指标yf(x)变化的损失幅度。可见,hinge损失对误分类点线性惩罚,modified Huber做了平滑处理,应对异常点更鲁棒。该图对理解三种模型的区别很关键。
图表3(第10页):梯度下降和随机梯度下降的路径示意。梯度下降方向完美但计算复杂,SGD计算快但路径不规则,需更多迭代。图示明晰展现了两种算法速度和路径差异。
图表4(第11页):广义线性模型构建流程图,从数据获取、特征及标签提取、预处理、训练空间合成,到模型滚动训练、因子合成、回测和模型评价,结构清晰全面。
图表5(第12页):详细列举70个因子分类(估值、成长、财务质量、杠杆、波动率、技术指标等)及具体计算方法,是多因子模型构建的基石。
图表6(第13页):测试模型一览,明确划分回归(线性回归及正则化变体)与分类(逻辑回归、SGD+hinge、SGD+modified Huber)模型,参数设定简单明了。
图表8-15(第15-16页):线性回归模型分层回测数据详尽,年化收益、波动率、夏普比率、超额收益、信息比率、最大回撤及月胜率均展现,且配合不同组合净值曲线及收益分布图,详细展现模型表现稳定且优于基准。
图表16-17(第17页):IC值时序图,训练集稳定约0.15,测试集波动较大,反映模型拟合效果与市场噪音变化。
图表18-19(第17-18页):因子拟合权重热力图与预测值和原因子的Spearman相关系数热力图,定量反映因子影响力及模型预测依赖,突显交易因子主导。
图表20-23(第19-20页):不同行业中性策略及非行业中性策略参数选择表现及月度超额收益走势图,支持行业内少数精选、整体持股规模适中策略。
图表24-29(第21-25页):训练集长度、主成分分析数量、训练样本选择对模型表现的敏感性统计数据,量化说明模型最佳设置区间。
图表30-31(第26-27页):正则化方法表现对比,示意正则化在本场景的边际效益不足。
图表32-36(第28-31页):逻辑回归与两种SGD方法及其策略表现,显示分类模型在年化超额收益、信息比率、回撤等方面持续超越传统回归模型。
本报告为机器学习模型研究报告,无涉具体资产或证券的直接估值分析,聚焦于模型构建、参数优化及策略效果回测。
本报告以金融多因子模型为背景,尝试引入广义线性模型及机器学习方法以优化股票选股体系,重点考察传统线性回归及其正则化版本,逻辑回归及线性支持向量机(通过随机梯度下降方法实现)。报告完整涵盖从数学建模、损失函数、优化算法,到构建回测体系、因子池构成与数据预处理,最终深入参数敏感性分析与模型效果实证。
核心发现包括:
总之,本报告为金融量化投资领域提供了广义线性模型实证验证及操作路径的示范,具备较高的专业价值与实践指导意义。
【华泰金工】人工智能2:人工智能选股之广义线性模型20170622.pdf