论文部分内容阅读
量化投资与传统投资的差别在于依赖数学模型和数据来找寻投资标的,实行投资策略,寻求稳固而连续的收益。不同行业具有其特定行业属性,对股票投资者而言,投资的行业不同,其预期收益率也必然存在差异,因此,行业属性和基本特征是投资者选择投资方向的重要依据,通过合理的行业预期,有利于投资者获得更高的收益率。投资者需要对行业因素和投资回报的相关性形成正确认知,明确行业因素和股价的内在关联,所以,本文对股票收益率行业效应进行系统论述具有重要意义。虽然行业因素在进行选股时是个非常关键的因素,但是行业因素的指标并不容易量化,所以在量化投资中行业因素很难被考虑。本文基于行业风险的视角,从行业集中度和行业创新度两方面尝试构造我国市场特有的行业因子,旨在研究不同行业属性影响股票收益的具体路径。本文将行业因子加入机器学习模型中对股票收益率进行多分类概率预测,并将结果与未考虑行业因子的CPP多因子选股模型进行对比分析。本文首先根据理论分析构建行业因子,并对行业因子进行单因子检测,计算行业因子的IC值,其次在聚宽量化平台建立回测算法,分别对考虑行业因子和未考虑行业因子的CPP多分类概率择股策略进行回测分析。结果发现未考虑行业因子以及止损模块的CPP择股策略的累计收益为455.14%,加入RSRS止损模块的CPP择股策略累计收益率为518.59%,同期基准收益率为61.37%,在实盘模拟中,基于动态因子调整的CPP多分类概率预测择股策略依旧取得了59%的年化收益率。之后本文将基于动态因子调整的CPP多分类概率预测择股策略与RSRS(阻力支撑相对强度)择时策略相结合,发现加入择时止损模块后,该策略能有效降低最大回撤并将累计收益率提高至684.31%。最后对投资者提出了考虑行业因子的CPP多分类概率预测择股策略的投资建议。