本报告系统分析了七大主流机器学习分类算法在A股的选股有效性,重点实证了logistic、knn、AdaBoost、svm、朴素贝叶斯五大算法表现优异,朴素贝叶斯收益最高且对训练数据依赖低,决策树与随机森林表现较差。研究揭示全市场训练优于市值及行业内部训练,机器学习因子月度IC总体正相关且单调性显著,表明机器学习因子具备稳定预测能力和较强自适应调整市场的能力,为量化选股提供了可靠技术支持 .
机器学习算法简介及分类逻辑说明
机器学习因子构建步骤及数据处理流程
机器学习分类算法实证表现对比
量化算法关键绩效对比(部分数据呈表格)
| 算法 | 指标 | L/S | aL/Se | aL/Sw | iL/Se | iL/Sw |
|---|---|---|---|---|---|---|
| logistic | 年化收益 | 15.19% | 14.11% | 9.50% | 15.49% | 10.41% |
| 年化波动率 | 9.59% | 8.44% | 12.36% | 7.31% | 7.84% | |
| Sharpe | 1.32 | 1.38 | 0.57 | 1.78 | 1.01 | |
| knn | 年化收益 | 10.03% | 10.00% | 5.85% | 10.74% | 9.26% |
| 年化波动率 | 5.49% | 5.17% | 8.48% | 4.49% | 5.37% | |
| Sharpe | 1.37 | 1.45 | 0.40 | 1.84 | 1.26 | |
| AdaBoost | 年化收益 | 11.02% | 10.28% | 5.31% | 12.04% | 10.29% |
| 年化波动率 | 5.95% | 5.26% | 8.54% | 4.79% | 5.68% | |
| Sharpe | 1.43 | 1.48 | 0.33 | 1.99 | 1.37 | |
| svm | 年化收益 | 14.62% | 14.42% | 11.06% | 14.76% | 12.23% |
| 年化波动率 | 6.92% | 6.29% | 10.02% | 5.66% | 6.34% | |
| Sharpe | 1.75 | 1.89 | 0.85 | 2.17 | 1.54 | |
| Nbayes | 年化收益 | 15.50% | 15.75% | 12.89% | 15.63% | 10.23% |
| 年化波动率 | 8.08% | 7.29% | 11.02% | 6.15% | 6.80% | |
| Sharpe | 1.61 | 1.82 | 0.94 | 2.14 | 1.14 | |
| 随机森林 | 年化收益 | 3.16% | 2.71% | 0.76% | 4.66% | 2.84% |
| 决策树 | 年化收益 | 2.28% | 1.36% | 0.05% | 1.86% | 3.79% |
| 年化波动率 | 2.75% | 2.58% | 5.36% | 2.77% | 3.81% | |
| Sharpe | -0.08 | -0.44 | -0.46 | -0.23 | 0.34 |
机器学习因子月度IC表现及年度稳定性
全市场训练优于市值中性和行业中性训练
机器学习因子相关性较高且分类结果一致性强
| 算法 | logistic | knn | AdaBoost | svm | bayes | 随机森林 | 决策树 |
|---|---|---|---|---|---|---|---|
| logistic | 1 | 0.572 | 0.623 | 0.642 | 0.761 | 0.261 | 0.077 |
| knn | 0.572 | 1 | 0.684 | 0.808 | 0.509 | 0.352 | 0.091 |
| AdaBoost | 0.623 | 0.684 | 1 | 0.724 | 0.524 | 0.390 | 0.114 |
| svm | 0.642 | 0.808 | 0.724 | 1 | 0.555 | 0.358 | 0.076 |
| bayes | 0.761 | 0.509 | 0.524 | 0.555 | 1 | 0.256 | 0.111 |
| 随机森林 | 0.261 | 0.352 | 0.390 | 0.358 | 0.256 | 1 | 0.186 |
| 决策树 | 0.077 | 0.091 | 0.114 | 0.076 | 0.111 | 0.186 | 1 |
机器学习因子单调性显著,以logistic为例分五组收益表现
| 组别 | 年化绝对收益 |
|---|---|
| 前20%组合 | 26.36% |
| 前20-40%组合 | 28.91% |
| 前40-60%组合 | 25.10% |
| 前60-80%组合 | 19.87% |
| 后20%组合 | 9.06% |
量化策略执行备注及免责声明
作者:丁鲁明、喻银尤、鲁明
发布机构:中信建投证券研究发展部
发布日期:2018年2月6日
主题:机器学习在A股市场多因子选股模型中的应用分析及各主流分类算法的比较研究
本报告《建投金工专题50:机器学习因子有效性分析》由中信建投证券研究发展部丁鲁明团队发布,围绕机器学习算法在股票因子构建和选股中的有效性进行深入探讨,利用七种主流机器学习分类算法(logistic回归、knn、AdaBoost、SVM、朴素贝叶斯、决策树、随机森林)对A股个股进行预测和评分,评估机器学习因子与股票实际收益之间的相关性与表现差异,以及全市场与市值、行业中性训练方法的不同效果。报告强调了机器学习并非黑箱,逻辑简单明了,且机智自适应能力强,细致地探讨算法特性、表现、以及因子单调性和相关性。报告以实证数据和详尽图表为依托,展现机器学习在量化投资中的可行性和有效性。
报告开篇强调机器学习并非黑箱,其核心逻辑基于相同因子特征表现相同,且该逻辑在作者设计的机器学习选股模型中十几年未被打破。这一核心思想为下文实际算法应用建立了理论基础。
报告结合理论与实际,区分各算法的适用环境和限制条件,对选择机器学习算法提供框架。,3]
这些步骤确保训练数据的质量和评估因子有效性的客观性。,4]
这些规则体现了实盘操作的合理约束。
多空收益差净值图:7种算法均画出多空收益差累计净值,展现分层表现,说明机器学习因子成功区分强弱股。
统计指标:年化收益、年化波动率、Sharpe比率分别细致统计,突出以下结论:
结论强调AdaBoost与kNN表现稳定,朴素贝叶斯因假设简化和数据量适配对实际效果贡献大,决策树因过拟合弊端明显。
计算各算法月度IC(信息系数,即因子评分与未来收益排名的相关系数)及年度平均,验证因子预测能力。
除决策树外所有算法月度平均IC均为正且显著,朴素贝叶斯IC平均最高,有的年份达8%以上,表明因子与未来收益正相关稳定;决策树IC较低且无明显相关性。,9]
以logistic回归为例,演示IC动态调整能力,2017年前期IC为负,后期迅速恢复正相关,说明模型快速自适应市场变化。
本报告不包含企业估值或行业估值等传统财务估值部分,重点聚焦于机器学习因子构建及表现验证,故无具体估值模型或DCF分析。
报告未独立列出风险因素章节,但结合报告内容可推断以下风险:
总体而言,报告较为客观,基于实证数据呈现结果,潜在偏见主要来源于对算法的默认参数及对部分算法的传统理解。
本报告系统梳理了基于机器学习七大主流传统分类算法在A股市场进行多因子选股的有效性,综合实证数据和分析,得出以下核心结论:
总体上,报告展现了机器学习在量化选股因子构建上的强大潜力和实用价值,尤其在传统机器学习框架下,朴素贝叶斯、AdaBoost和kNN等算法性能优异,后续可结合更丰富数据集和参数调优进一步提升效果。报告也提醒实际应用中需关注过拟合、训练样本划分及数据质量风险,并留意算法适用性限制。
以下为报告中部分关键图示示例引用(部分图示见原文Page 5-12):
图3:AdaBoost多空收益差净值
图10:AdaBoost因子各年度月IC均值
图16:logistic行业中性等权多空收益差净值
图20:logistic因子各组累积净值
本报告以严谨的实证数据分析加上充分的算法理论阐释,厘清了机器学习分类算法在量化投资因子构建中的表现,突出机器学习因子的稳定性和有效性,尤其支持了朴素贝叶斯和AdaBoost算法在A股市场多因子模型选股的应用价值。报告对算法的适用场景、优缺点及实际表现做了全面解析,为量化投资者和策略研发者提供了宝贵的参考与实践指导。
所有结论均明确标注来源页码,便于追踪检查。
,1,2,3,4,5,6,7,8,9,10,11,12,13,14]
建投金工专题50:机器学习因子有效性分析.pdf