欢迎登陆时代复兴客户内网!

Adaboost选股是一种动态因子模型。动态因子模型根据市场条件的变化, 动态的选择因子和调整权重,以期踏准市场节奏。动态因子模型有一些也是依赖于投资者的主观判断和逻辑推理。另一些模型则是依赖于数学、统计、计算机等量化工具,依据某种机制,构建出一个具有自适应和自动学习特征的模型;其中,机器学习的方法被广泛应用于此类模型的构建。我们的模型正是基于一种称为AdaBoost 算法的思想而构建的。

AdaBoost 算法的基本思想是自适应的构建一系列弱分类器,每一层弱分类器只关注上层弱分类器分类错误的样本,并对这些样本尽最大可能的区分,最终将这些弱分类器结合起来提升整体分类的效果。在我们的选股模型中,每个弱分类器可以简单的被认为是一个因子,股票的表现作为区分的目标变量。

利用Adaboost选股模型,我们期望达到的目标有两个:一是动态选择近期表现好的因子;二是利用Adaboost算法提升因子表现。


1.策略具体逻辑

图1.Adaboost选股模型流程图 


1.1 数据预处理

因子按照数值大小的顺序等分为若干组(模型中采用了5组进行测试);全部A股股票按照20日收益表现前30%划分为强势股、后30%划分为弱势股,其余股票为噪声,从训练集中去除。初始化每只股票的权重为等权。每隔20日的数据作为一个训练集。

1.2 弱分类器构建

(1)选择M个训练集,计算每个因子的区分度,选择区分度最好的因子作为本层的弱分类器,并计算因子每个分组的信心得分。

(2)更新权重:本层弱分类器分对的股票权重降低,分错的股票权重增加;返回(1)直至选出Q层弱分类器为止。

1.3 强分类器

将每只股票的Q层弱分类器的信心得分相加得到股票的信心得分,作为区分股票强弱的依据。

1.4 模型检验

按照股票信心得分由大到小划分为5五组(1组得分最高,5组得分最低),对每一组以及“多-空”进行检验。

1.5 模型回测

每隔20日选择股票信心得分最高的100只股票等权买入构成持仓,进行检验。其中,对比基准中证500指数,回测时间统一为2010年12月17日至2015年12月31日。

2.策略表现及模型优化

2.1 原始模型

 

2.2 改进模型一

结果得到了较大的改善,模型超额收益在回测期间最大回撤降到了降到了10%以下,为9.85%(发生在2014年11月10日至2014年12月22日),回测期第二大回撤为7.32%(2015年6月29日至2015年7月8日)。回测期间超额收益前10大回撤以及收益曲线图如下:

 

 

2.3 改进模型二

相较于改进模型一有了一定改善,虽然回测期间超额收益最大回撤上升到10.06%(2014年11月10日至2014年12月22日),但回测期第二大回测下降到5.76%(2015年6月30日至2015年7月8日),其他一些回测都有一定幅度的下降。

 

 

2.4 去掉市值因素

从上面的几个模型及相关的改进方面我们发现,最大回撤都发生在2014年底至2015年初,这段时间市场的风格发生突变,而我们的模型选择的训练集,模型没有能够把握2014年底发生的市场风格突变。因此,在改进模型一、二的基础上去掉了市值因素,分别称为改进模型三、四。

首先是改进模型三的回测情况:

回测期间的超额收益最大回撤下降到4.62%(2014年12月4日至2014年12月19日),回测期第二大回撤降为4.20%(2015年6月30日至2015年7月8日)。回测期间超额收益前10大回撤以及收益曲线图如下:

 

其次是改进模型四的回测检验情况:

回测期间超额收益最大回测为4.39%(2014年12月4日至2014年12月18日),第二大回撤为3.53%(2012年4月20日至2012年4月25日)。回测期间超额收益前10大回撤以及收益曲线图如下:

 

 

2.5 原始模型评分与信心得分组合

将原始模型股票得分与模型一信心得分组合

其模型回测表现:回测期间超额收益最大回测为6.73%(2014年12月1日至2014年12月22日),第二大回撤为4.37%(2015年7月6日至2015年7月8日)。回测期间超额收益前10大回撤以及收益曲线图如下:

改进模型五

 

 

股票评分使用信心得分改进方法二

回测期间表现:回测期间超额收益最大回测为7.38%(2014年12月1日至2014年12月22日),第二大回撤为4.87%(2015年7月6日至2015年7月8日)。回测期间超额收益前10大回撤以及收益曲线图如下:

改进模型六

 

 

2.6 原始模型评分与模型三信息得分组合

改进模型七:

其模型回测表现:回测期间超额收益最大回测为5.21%(2014年12月1日至2014年12月19日),第二大回撤为3.80%(2015年7月6日至2015年7月14日)。回测期间超额收益前10大回撤以及收益曲线图如下:  

原始模型与改进模型三的股票信心得分组合方法二

回测期间表现:回测期间超额收益最大回测为4.81%(2014年12月1日至2014年12月19日),第二大回撤为4.47%(2015年6月30日至2015年7月8日)。回测期间超额收益前10大回撤以及收益曲线图如下:

 改进模型八:

 

3.几个模型的比较总结

通过我们前面的对比可以发现,改用大类因子的线性得分后,模型表现有了较好的改善;再经去除市值因子等方法,模型回撤有了明显的缩小。尤其是去除市值因子的方法使得回撤显著缩小,这说明选股模型如果能够更好地把握市场的风格轮转,进而选择合适的因子对于模型表现的改善将会有非常明显的改善。