东兴证券-海外文献速览系列之十二：基于动态因子调整的可持续量化选股策略
量化选股是一个热门的学术研究领域。尽管在量化模型和过程方面已经做了很多工作，但仍有一些地方可以改进。首先，在预测目标的设定上，以往的研究往往以股票收益率或价格是上涨还是下跌作为预测目标，但收益率往往包含一些噪声，而两种分类（上涨还是下跌）的设定并没有捕捉到很多现有信息。其次，在因子选择方面，以往的研究往往是静态地选择因子，但因子通常在一段时间内是有效的，之后可能不再有效。 在本文中，作者提出了一种可持续的量化选股策略，它能在长期内在熊市、牛市和波动市场上运作良好。
在本文中，作者 使用随机森林模型为训练集在每个 时期动态选择因子，以确保每个时期可以选择的因子是当期的最优因子。同时，对股票收益进行 分类概率预测（CPP ）。该方法可以有效兼顾收益预测的准确性，避免噪声对收益率的干扰。CPP 量化选股策略设计的基本思路可简单概括为如下几步：第一步，将每只股票按月收益率分入 5 个区间，通过随机森林（RF）模型将因子筛选到模型中；第二步，通过重新组合每个时期的因子和收益率区间来构建训练集和测试集；第三步，使用 RF 模型来预测每个训练集的因子的重要性，并按重要性降序排列，采用动态因子选择法来选择当期最重要的因子；第四步，使用XGBoost CPP 方法进行分类预测，将每只股票分入 5 个收益率区间并按概率降序排列，将概率最高的前 20 只股票纳入股票池，调整仓位时卖出股票池之外的股票并买入池中的新股票。
（PDF，1.2M，19页）
评论0