人工智能系列之六：人工智能选股之Boosting模型-20170911-华泰证券-41页-2mb

金工研究：Boosting集成学习模型在多因子选股中的应用

核心内容概述

本报告探讨了Boosting集成学习模型在多因子选股中的应用，重点分析了AdaBoost、GBDT和XGBoost三种模型的性能表现及其在多因子选股策略中的效果。报告通过7阶段滚动回测方法对模型进行了系统测试，并基于正确率、AUC值、年化收益率、信息比率、最大回撤等指标对模型进行了综合评估。

主要观点

• Boosting模型通过串行方式结合多个弱学习器，能够更好地控制模型的偏差和方差，相较于Bagging模型（如随机森林）更简单。
• XGBoost作为Boosting算法的高效实现，相比AdaBoost和GBDT在预测能力和运算速度上具有明显优势，同时具备较好的参数优化特性。
• XGBoost在多因子选股中的表现优于线性回归模型，尤其在沪深300和中证500成分股内的行业中性策略中，XGBoost表现出更高的超额收益和信息比率。
• 模型测试结果显示，XGBoost在样本外的AUC值和正确率均优于AdaBoost和GBDT，且运行速度更快。

关键信息

一、Boosting模型的构建流程

1. 特征和标签提取：使用70个因子暴露度作为特征，以沪深300指数为基准计算个股超额收益作为标签。
2. 特征预处理：包括中位数去极值、缺失值处理、行业市值中性化和标准化。
3. 训练与评估：采用7阶段滚动回测方法，以正确率、AUC、年化收益率、信息比率、最大回撤等指标评估模型。

二、模型测试结果

• XGBoost分类模型在沪深300成分股内行业中性策略中，超额收益为6.4%，信息比率为1.78；在中证500成分股内行业中性策略中，超额收益为7.2%，信息比率为2.03；在全A行业中性策略中，超额收益为31.5%，信息比率为4.4。
• 模型比较：
  • AdaBoost、GBDT、XGBoost样本外平均AUC分别为0.5695、0.5699、0.5696。
  • 样本外平均正确率分别为53.94%、54.12%、54.02%。
  • XGBoost在运算速度上有明显优势，训练时间比其他模型快2~8倍。
  • 三种模型在样本外AUC值和正确率上表现相近，但XGBoost在策略收益上更优。

三、模型的决策树结构分析

• 所有模型均使用CART决策树，最大深度设为3。
• 第一个决策树的划分均以exp_wgt_return_3m（3个月改进的动量反转因子）为主，说明该因子对模型结果影响较大。
• 共同选中的因子包括turn_1m（一个月日均换手率）和ln_capital（对数市值）。
• GBDT和XGBoost的划分因子相同，但划分值不同，这表明XGBoost在实现上更高效。

四、XGBoost因子特征重要性

• XGBoost分类模型可以导出因子重要性评分，有助于识别模型主要依赖的因子。
• 特征重要性评分前40名中，市值相关因子ln_capital排名第一，情绪因子rating_change排名第二，波动率因子std_FF3factor_1m排名第三。
• 不同年份的因子重要性略有变化，但市值和情绪因子始终是主要影响因素。

五、模型运行速度与选股效果

• XGBoost在运行速度上远优于AdaBoost和GBDT，尤其在处理大量数据时表现突出。
• 在不同股票池（沪深300、中证500、全A）中，XGBoost均能稳定地提高超额收益和信息比率。
• 最大回撤方面，XGBoost相比线性回归没有明显优势。

结论与展望

XGBoost在多因子选股中表现出优越的性能，其在预测能力和运行速度上的优势使其成为当前Boosting集成学习领域的重要工具。尽管其在最大回撤方面与线性回归模型表现相似，但在其他指标上均优于传统模型。未来可以进一步优化模型参数，提升其在不同市场环境下的适应能力，并探索其在更多因子组合中的表现。

风险提示

通过Boosting集成学习模型构建选股策略是基于历史数据的经验总结，存在模型失效的风险。投资者需谨慎评估模型在不同市场条件下的适用性。