|
使用随机森林算法的行业轮动模型核心观点： 1、 长久以来，选股与择时都是量化金融领域面对的两个最主要的问题。多因子模型是在量化选股中最常用的模型，在之前的报告中，我们详细介绍了这一模型。然而2017 年以来，市场分化逐渐显著，靠选股获得 alpha收益的难度越来越大。这时，我们就需要依靠择时模型来减小规避系统性风险，减小策略回撤。 2、 随机森林算法是一种机器学习分类算法。它通过训练样本生成大量决策树，综合所有决策树的分类结果得到最终决策。相比于其他机器学习算法和传统线性回归模型，随机森林算法具有直观，参数少，抗干扰，不易出现过拟合等优点。将随机森林算法引入择时模型，可以减少主观判断对于择时结果的影响，挖掘市场更深层次的运行规律。 3、 将 28 个申万行业指数作为择时标的，提取 41 个有效因子，以 2010-2016年数据为样本集，2017 年-2018 年数据组为验证集，建立择时模型。模型平均准确率 54.48%，2017 年至今平均超额收益 15.03%，平均择时净值 1.07，平均减少最大回撤 11.73%。在 28 个行业中，有 25 个行业的择时结果强于指数，取得超额收益的概率高达 89%。2017 年至今，市场呈现较为明显的分化局势，仅 7 个行业收益为正，21 个行业都有不同程度下跌。择时后，收益为正的行业增加至 20 个，且剩余 8 个收益为负的行业净值相比不择时的情况都有了大幅提升。 4、 根据择时结果，可建立行业轮动模型，每周调仓。在大部分行业普遍回调的情况下，模型依然取得了正收益。最终轮动模型年化收益 4.4%，超出上证综指 5.7%；最大回撤 10.7%，小于上证综指的 14.6%。 5、 在未来，我们还计划陆续推出行业内的多因子选股模型。该模型和行业内选股模型相结合，可以达到自上而下择时选股一体的优化结果，得到更灵活、更细致、更有针对性的量化模型。 6、 风险提示：随着市场环境变化，模型存在失效风险。 目 录1．概述
2．随机森林算法理论介绍【宽客之家】
2.1 决策树
2.2 集成方法
2.3 随机森林算法
3. 行业轮动模型的建立与运行结果
3.1 因子提取
3.2 模型建立
3.3 择时结果
3.4 行业轮动模型
4．总结与未来研究方向展望 表目录
表 1：因子列表与释义
表 2：分行业择时结果
图目录
图 1：决策树技术面择时示意图
图 2：随机森林算法示意图
图 3: 农林牧渔行业择时结果
图 4：采掘行业择时结果
图 5: 化工行业择时结果
图 6：钢铁行业择时结果
图 7: 有色金属行业择时结果
图 8：电子行业择时结果
图 9: 家用电器行业择时结果
图 10：食品饮料行业择时结果
图 11:纺织服装行业择时结果
图 12：轻工制造行业择时结果
图 13:医药生物行业择时结果
图 14：公用事业行业择时结果
图 15: 交通运输行业择时结果
图 16：房地产行业择时结果
图 17:商业贸易行业择时结果
图 18：休闲服务行业择时结果
图 19: 综合行业择时结果
图 20：建筑材料行业择时结果
图 21: 建筑装饰行业择时结果
图 22：电气设备行业择时结果
图 23: 国防军工行业择时结果
图 24：计算机行业择时结果
图 25: 传媒行业择时结果
图 26：通信行业择时结果
图 27: 银行行业择时结果
图 28：非银金融行业择时结果
图 29: 汽车行业择时结果
图 30：机械设备行业择时结果
图 31：行业轮动模型收益 1．概述长久以来，选股与择时都是股票量化领域面对的两个最主要的问题。多因子模型是在量化选股中最常用的模型，在之前的报告中，我们详细介绍了这一模型。然而 2017 年以来，市场分化逐渐显著，靠选股获得 alpha 收益的难度越来越大。这时，我们就需要依靠择时模型来规避系统性风险。有效的择时策略可以平滑收益曲线，减小策略回撤。相比与完全对冲策略而言，择时策略不需要承担高额的对冲成本，是性价比更高的选择。 随机森林算法是一种机器学习分类算法。它通过训练样本生成大量决策树，综合所有决策树的分类结果得到最终决策。相比于其他机器学习算法和传统线性回归模型，随机森林算法具有直观，参数少，抗干扰，不易出现过拟合等优点。将随机森林算法引入择时模型，可以减少主观判断对于择时结果的影响，挖掘市场更深层次的运行规律。 理论上讲，择时模型可以应用于任何股票，甚至其他种类的资产。但考虑到单支股票走势受较多突发新闻与人为因素影响，我们在这里选择使用 28 个申万行业指数作为择时标的，组成行业轮动模型。这样选择的另一个原因是，在未来，我们还计划陆续推出行业内的多因子选股模型。该模型和行业内选股模型相结合，可以达到自上而下择时选股一体的优化结果，得到更灵活、更细致、更有针对性的量化模型。 2．随机森林算法理论介绍2.1 决策树决策树方法最早产生于 20 世纪 60 年代，由 Hunt 等人提出。70 年代末，Quinlan
提出 ID3 算法，引进信息论中的有关思想，提出用信息增益（information gain）
作为特征判别能力的度量，并采用迭代算法进行建模。1984 年 Breiman 等人提出CART 算法，CART 是一种典型的二叉决策树算法，既可以做分类，也可以做回归，应用十分广泛。1993 年 Quinlan 以 ID3 算法为基础提出 C4.5 算法，新算法在缺失值处理、剪枝技术、派生规则等方面做了较大改进，C5.0 是 C4.5 的商业改进版。C5.0 和 CART 是目前较为广泛使用的决策树算法。 决策树算法的构建核心是归纳算法。建模之初，全部数据组成一个节点，称为根节点，根据数据特征，选取最优的划分条件，将数据分成两个或多个纯度更大的数据子集，依次递推，直到满足预先设定的某个条件后停止。其最终结果看上去像一棵倒长的树，这也是算法名的来源。 决策树的建立步骤如下： - 特征选择：从训练数据的特征中选择一个特征作为当前节点的分裂标准（特征选择的标准不同产生了不同的特征决策树算法）。
- 决策树生成：根据所选特征评估标准，从上至下递归地生成子节点，直到数据集不可分则停止决策树停止生成。
- 剪枝：决策树容易过拟合，需要剪枝来缩小树的结构和规模（包括预剪枝和后剪枝）。
根据不同的算法，衡量节点不纯度的指标包括错分率、Gini 指数、熵（entropy）等等。
同样是分类算法，与逻辑回归相比，决策树每次只对单一特征进行划分，拟合出来的函数为分区间的阶梯函数。这种算法更接近人的思维方式，模型具有更好的可解释性，且可以产生可视化的分类规则。决策树的这种算法构造，决定了它是一类很适合用于择时模型的算法。 如图 1 所示，决策树算法通过考察不同技术因子的值，分部对下一阶段股票走势进行判断，也很类似于我们使用技术因子进行股票择时的思维步骤。决策树模型最大的问题是不稳定，容易过拟合。数据上微小的扰动都可能得到完全不同的分支结果，使模型的解释性产生问题。接下来介绍的随机森林方法，通过组合多棵决策树，可以显著降低方差，解决过拟合问题，是一种常用的集成方法（Ensemble method）。 2.2 集成方法（Ensemble method）集成方法是一种增强预测性的统计学习算法。集成方法不是构造分类模型，而是用一定方式将多个模型组合起来，用以训练拟合数据。通过构造一系列分类器，通常是小型决策树，为预测进行加权投票，最后完成对于数据点的分类。集成学习方法主要分两类：bagging 和 boosting。 Bagging 是 bootstrap aggregating 的缩写，它指的是利用 Bootstrap 抽样方法对训练集进行抽样，得到一系列新的训练集，对每个训练集构建一个预测器，称为基预测器（base predictor），组合所有预测器得到最终的预测模型，最终的预测模型是所有基预测器投票的结果。这种方法可以降低方差，同时避免过拟合。 另一方面，boosting 方法则是以上一步模型的误分类为着重训练目标的集成方法。Boosting 从原始数据拟合的一个简单分类器开始。在拟合完成第一个模型之后，计算出分类错误，给数据重新分配权重，之前被错误分类的样本比正确分类的样本有更高的权重。观测值在每一步中不断的重新分配权重，上一个模型错误分类的观测获得更高的权重。最后的预测结果将由在迭代过程中生成的每一棵树投票，并由树的精确度计算权重得出。Boosting 的预测准确率可能会高于 bagging，但是它有可能会造成过拟合的后果。 随机森林（random forest）算法在 2001 年由 Breiman 提出，与 bagging 算法类似，可以看成是 bagging 算法的一种变体。由于这种算法在训练、调参时简单有效，因此是目前相当流行的一种集成算法。 2.3 随机森林算法随机森林算法的基本步骤与 bagging 算法类似，首先建立若干决策树，建立每个决策树时，除了使用 bootstrap 方法随机选择测试样本之外，还会随机选择特征变量，这样，就可以降低树与树之间的相关系数。最后，依然是通过统计投票结果确定最后的分类信息。 随机森林也是一种特定的集成方法，特别适合解决含有大量特征变量的问题。在其他模型中，一个特征变量的效果可能会被其他更显著的特征变量所掩盖。但随机森林在每棵决策树上使用随机选择的特征变量进行训练，这样可以更好地检测每个变量所产生的贡献和行为。相对于单棵决策树而言，随机森林在提高预测准确度和减小方差方面有了很大提升。 随机森林算法的基本步骤如下： - 输出组合后的 K 棵树，取投票最多的预测为最终分类结果。
3.行业轮动模型的建立与运行结果3.1 因子提取在因子库选择上，我们侧重选择了变动较为剧烈的技术面因子，并在选择因子周期时参考技术分析理论中的常用参数。同时也一定程度上考虑了行业的估值因子（PB、PE），行业内部股票一致度因子（行业内上涨股票比例）与行业内前 3 名股票走势对指数未来走势的影响。 加上不同时间段的影响（6 天、12 天、25 天 RSI 值算三个因子），模型共计参考因子 41 个。根据随机森林算法，默认单棵决策树参考因子为 6个。
4.png[size=1em]591x591 72.2 KB
3.2 模型建立训练集：2010-2016 年 28 个申万行业指数因子日数据
验证集：2017 年-2018 年上半年 28 个申万行业指数因子日数据【宽客之家】
模型建立方法：基于每个行业指数单独建立随机森林模型，X 为训练集数据，Y为未来 5 日指数涨跌（上涨、下跌两种情况）。将验证集数据带入训练后的模型中，进行择时。训练集数据使用 5 日滚动，这样保证了训练集的数据量。验证集数据每周判定一次。假设择时账户初始虚拟净值为 1，如在空仓情况下模型判定下周上涨，则在下周一使用开盘价将虚拟净值换为对应份数的指数；如在空仓情况下模型判定下周下跌，则不进行操作，净值不变。如在持仓情况下模型判定下周下跌，则在下周一卖出指数，账户虚拟净值变为前期持有指数的份数乘以指数开盘价；如在持仓情况下模型判定下周上涨，则继续持有指数。 3.3 择时结果通 过 随 机 森 林 算 法 对 申 万 28 个 行 业 指 数 进 行 择 时 ， 模 型 平 均 准 确 率54.48% 准确率
。2017 年至今平均超额收益 15.03%，择时后指数平均净值 1.07，平均减少最大回撤 11.73%。在 28 个行业中，有 25 个行业的择时结果强于指数，取得超额收益概率高达 89%。2017 年至今，市场呈现较为明显的分化局势，仅 7 个行业收益为正，21 个行业都有不同程度下跌。择时后，收益为正的行业增加至 20 个，且剩余 8 个收益为负的行业净值相比不择时的情况都有了大幅提升。 下面展示 28 个行业 2017 年至今择时结果，黑线表示行业指数，红线表示择时后的指数。
9.png[size=1em]701x607 67.8 KB
11.png[size=1em]685x590 63.7 KB
12.png[size=1em]702x282 36.6 KB
13.png[size=1em]696x590 66.3 KB
14.png[size=1em]695x277 32.4 KB
15.png[size=1em]677x585 66 KB
16.png[size=1em]699x281 33.8 KB
17.png[size=1em]725x289 34.1 KB
3.4 行业轮动模型根据择时结果，可建立行业轮动模型。每周根据模型预测，选择上涨概率最高的5 个行业（如上涨概率>0.5 的行业不足 5 个，则仅选择上涨概率>0.5 的行业，不足部分按空仓处理），每周调仓。在近期大部分行业普遍回调的情况下，模型依然取得了正收益。最终轮动模型年化收益 4.4%，超出上证综指5.7%；最大回撤 10.7%，小于上证综指的 14.6%。 4．总结与未来研究方向展望本篇报告中，我们使用随机森林算法建立了择时模型，并应用于申万 28 个行业指数，构建行业轮动模型。该模型还有很大的改进空间。接下来，我们的研究重点将主要从三方面展开。 - 丰富择时选项。为突出策略的简单直接，本篇报告中我们对于下一期标的走势的预测仅包括“涨”和“跌”两个选项，在一些国外参考文献中，对下一期标的预测可以延伸至“暴涨超过 3%”、“微涨”、“微跌”、“暴跌超过 3%”四个选项，并给出每个选项的发生概率。在本篇报告中，我们本来尝试了使用四个选项进行分类，但分类效果不如使用两个选项的版本。未来我们会继续改进模型，使模型的预测提供更多信息。
- 择时模型可以与行业 ETF 投资结合，构建 ETF 轮动模型。但现在市场上行业ETF 未能覆盖全行业，且还需考虑 ETF 追踪误差等问题，需要与基金研究相结合。
- 与分行业多因子模型结合，先由行业轮动模型确定下一期看好行业，再通过该行业多因子模型进行选股，实现自上而下的选股流程。这也是该模型的建立初衷。
风险提示：随着市场环境变化，模型存在失效风险。 作者：渤海证券金工团队
| 
