基于集成算法的多因子量化选股模型研究

摘要

随着IT技术的进步以及各种数学模型、算法理论的发展，量化投资已经成为资本市场中的主流投资方法之一，量化投资可以规避人性情绪化的弱点，帮助投资者从海量数据中寻找可靠的交易模式，从而获得超额收益。我国资本市场已经成长为全球主要资本市场之一，但量化投资的发展历史相较于美国还很短，目前有越来越多的学者和业内人士将海外量化经验应用到中国金融领域，各类量化基金的数量、规模不断增长，各种量化投资策略百花齐放，量化投资正经历着蓬勃发展的春天。本文梳理了国内外对有效因子、量化选股、集成算法方面的学术文献，发现虽然XGBoost、LightGBM等集成算法在环境保护、能源利用、信贷审批等领域取得了良好的学术研究成果并有着诸多竞赛实践应用，但将多种集成算法应用于中国A股市场进行量化选股，并对不同算法进行定性定量分析的研究却不多。因此，本文对基于集成算法的多因子量化选股模型进行了研究。　　截止2020年底，沪深300指数所包含的股票市值占中国A股总市值的57.34%，沪深300指数可以作为本文构建的投资组合业绩比较标准。本文以沪深300指数成分股为研究对象，收集2011年1季度至2020年4季度共十年的股票数据，时间跨度包含了完整的牛市、熊市、震荡市。在因子选择上，本文基于前人学者对美国长期有效因子进行系统性研究后得到的因子池框架，再结合多篇对国内A股市场有效因子探索的文献，在数据可获得的基础上构建了本文的因子池，包括动量类因子、价值成长类因子、投资类因子、盈利类因子、无形资产类因子和交易摩擦类因子，共98个因子。在算法选择上，本文从Bagging、Boosting和Stacking三种集成策略中分别选1至2种算法，共4种集成算法。对Bagging集成策略选用经典的随机森林算法，对Boosting集成策略选用较GBDT效果更好的XGBoost和LightGBM算法，对Stacking集成策略，本文在第一层使用了具有差异性且单体效果良好的随机森林、XGBoost算法，在第二层使用了LightGBM算法，构建了RXL-Stacking算法。　　本文以季度为周期，前6个季度为训练集，第7个季度为测试集，使用集成算法对历史数据进行滚动训练与预测。在算法生成的当前季度的候选股票清单中，股票按照能够战胜基准指数的概率降序排序，本文选取前k只股票按等权重的资金分配方式构建投资组合并回测，??k?10,50,100,150,200。由于有4种集成算法、5种建仓股票数量，本文共构建了20组投资组合。最后，从收益性和风险性角度对不同投资组合的业绩进行评价。　　本文研究发现：（1）4种集成算法中，只有少数参数能够提高算法性能，其余可以设置为默认值，且调参优化的作用有限，更应该从因子选取、数据预处理等角度提高数据质量以提升模型效果。（2）LightGBM算法在内存消耗和时间花费方面具有很大优势，而RXL-Stacking算法需要花费较多的时间用于调参，且运行速度较其他三种集成算法更慢。（3）4种集成算法在长期中均有较好的选股能力，RXL-Stacking算法的选股能力最佳，在34期滚动训练预测中的平均AUC值为0.644。（4）净资产收益率、总市值、过去3月换手率均值、市盈率、市净率等因子对模型的分类贡献较大，这些重要性较高的因子覆盖了各个因子类别，说明本文的因子池框架具有一定的合理性。（5）对于既定算法，建仓股票数量较少时投资组合业绩更好。对于既定建仓股票数量，RXL-Stacking算法构建的投资组合优于其他算法。当选用RXL-Stacking算法并且选取k=10只股票时，此时为最佳投资组合。在回测区间内，最佳投资组合的年化收益率、夏普比率、最大回撤分别为19.86%、1.46和28.55%，均优于沪深300指数的9.22%、0.23和32.69%。因此，本文构建的量化选股模型具有较高的分类能力和良好的稳定性，能够帮助投资者提高选股的准确性，获得更高的超额收益。

目录

声明

1. 绪 论

1.1 研究背景

1.2 研究意义

1.3 研究对象与研究思路

1.4 论文结构与研究方法

1.5 研究创新点与存在的不足

2. 国内外文献综述

2.1 国外文献综述

2.2 国内文献综述

2.3 对已有文献的总体评述

3. 相关理论基础与算法介绍

3.1 相关理论基础

3.2 集成算法介绍

4. 多因子选取与数据处理

4.1 样本选取

4.2 构建因子池

4.3 数据预处理

5. 多因子选股模型的实证检验

5.1 方案设计与评价指标

5.2 算法的调参步骤

5.3 模型的回测实施

5.4 模型的对比分析

6. 结论与展望

6.1 研究结论

6.2 未来展望

参考文献

致谢