基于機器學習的股市行業(yè)輪動量化投資策略研究

發(fā)布時間：2020-05-28 10:38

【摘要】：近年來,隨著金融科技的飛速發(fā)展,依托量化模型算法與人工智能進行自動交易成為一種全新、高效的交易方式。與西方成熟的資本市場相比,A股市場長期存在著機構(gòu)化程度低,市場有效性較弱以及行業(yè)風格變化特異性強的市場特征,這為量化交易提供了肥碩的土壤。機器學習作為人工智能重要的分支,其已經(jīng)在諸多領(lǐng)域如圖像識別、自然語言處理被證明是針對模糊非線性數(shù)據(jù)進行建模的強有力工具,而資本市場是一個低信噪比、復雜的非線性系統(tǒng),本文將時下熱門的機器學習算法應用于量化投資策略建模,利用“機器”輔助探索資本市場那些不為人知的非線性特征,深化對資本市場的理解并輔助投資者投資決策。本文主要研究A股市場行業(yè)板塊的風格輪動,首先,本文研究A股市場行業(yè)輪動的基本特征,并在此基礎(chǔ)上構(gòu)建了可能會帶來超額收益的因子,通過對四大類因子研究測試,選出了七個相對有效且相關(guān)性低的因子作為機器學習輸入變量的備選特征因子。其次,本文通過理論分析和實證測試構(gòu)建了支持向量回歸、神經(jīng)網(wǎng)絡(luò)的監(jiān)督機器學習模型以及多因子模型,模型均能很好地解釋行業(yè)收益率并獲取有效的超額收益。之后,為了綜合各個模型的預測能力來獲取更多的超額收益,利用Stacking集成學習思想將上述三個子模型集成為一個復雜有效的機器學習模型,最終得到了月度勝率為59.26%,年化收益15.26%,多空對沖夏普比率為1.06的集成學習策略,通過績效分析,集成后的模型無論在收益指標還是風險指標上都有了超越子模型的良好表現(xiàn)。最后,本文介紹了自主開發(fā)的交互式回測平臺APP,為策略的回測展示和實際投資提供了便利。本文一方面研究了A股市場行業(yè)風格輪動的基本特征,比較了其與個股市場的差異并構(gòu)建了有效因子庫,使投資者能在技術(shù)面和基本面的視角下更好地理解市場行業(yè)風格輪動。另一方面,本文在構(gòu)建交易策略的過程中使用了前沿的機器學習算法,并通過自主開發(fā)的可視化交互式回測平臺展示了優(yōu)秀的回測結(jié)果,為投資者的實際投資提供了指導。
【圖文】：