基于机器学习方法的因子择时分析报告.pdfVIP

2024年10月29日

程工融金基于机器学习方法的两阶段因子择时

投资要点：

因子择时可行性

因子的挖掘和组合已经历长时间的发展，相比较而言因子择时的

研究较少。已有的研究认为尽管因子择时十分困难，但通过综合不同

信号，将因子择时组合映射至股票层面进行股票择时，可获得显著的

择时收益。报告采用随机森林算法，在中证800和全A指数范围内进

行两阶段因子择时。

两阶段因子择时框架

度深程工融金基于市场状态的两阶段因子择时有两个必要的先决条件：第一，

市场状态不会在短时间内频繁变更，而是会持续一段时间；第二，不

同市场状态下各类股票风格因子的表现不同，即相比于未分类的初始

市场状态，不同市场状态下因子收益率间的相关性会降低。报告发现

在市场回撤幅度较低时，各类因子间的相关性会降低。报告的两阶段

择时框架如下：

第一阶段，报告对股指滚动回撤数据聚类，实现市场状态划分，

而后用随机森林算法，基于宏观变量数据，预测每期市场状态。在第

二阶段，对因子收益率数据打标后，基于预测的市场状态将数据集划

分为多个数据子集，而后在每个数据子集内训练模型，筛选优胜因子。

因子择时效果较好

报告比较了滚动时长为180个月，用于市场划分的宏观指标为16

个，中证800范围下和全A范围下因子择时策略的组合收益情况。回

测发现在两个股指范围内，策略收益均能够超越基准指数，展示了策

略因子择时的有效性。

华福证券

证

券

风险提示

研

究以上结果基于数学模型与历史数据，存在模型失效的可能性

报

告

诚信专业发现价值1

金融工程深度

正文目录

1理论概述4

1.1多因子投资4

1.2因子择时4

2策略框架概述4

2.1市场部分4

2.2因子部分5

3策略模型构建5

3.1第一阶段5