量价策略专题报告：行业轮动专题报告，基于量化多因子的行业配置策略之三，机器学习算法下的行业轮动

投资咨询业务资格： 证监许可【2012】669 号 量价策略团队 研究员： 张革 021-60812988 zhangge@citicsf.com 从业资格号 F3004355 投资咨询号 Z0010982 2021-09-02 中信期货研究|量价策略专题报告 重要提示：本报告中发布的观点和信息仅供中信期货的专业投资者参考。若您并非中信期货客户中的专业投资者，为控制投资风险，请取消订阅、接收或使用本报告的任何信息。本报告难以设置访问权限，若给您造成不便，敬请谅解。我司不会因为关注、收到或阅读本报告内容而视相关人员为客户；市场有风险，投资需谨慎。 基于量化多因子的行业配置策略之三：机器学习算法下的行业轮动 ——行业轮动专题报告 摘要： 机器学习与行业轮动：行业轮动的截面模型对行业收益率的预测是一个具体数值，且是有监督学习，符合机器学习回归算法中“标注的数据集具有数值型的目标变量”的特点，可以考虑引入该算法。 引入 XGBoost 算法的行业轮动：策略相对于原策略有提升。XGBoost 算法可以进一步挖掘残差中的非线性信息，全回测期内年化收益率提升至 31.24%，夏普 1.41。同时最大回撤降低，但年化波动率有扩大。 引入 SVM 算法的行业轮动：策略取得了和 XGBoost 算法相似的效果，但提升不如 XGBoost 算法多，回测期内收益率和最大回撤较原策略更优，分别为 30.99%和 16.21%，波动率仍扩大，夏普 1.42。 引入 Weighted KNN 算法的行业轮动：Weighted KNN 算法在理论上有比较明显的缺陷：训练集大时预测效率低、样本少的区域容易过拟合、预测曲线不连续等。此算法下，收益率、波动率、最大回撤均比原策略更差。 策略总结：XGBoost 和 SVM 算法效果接近，两者都要远优于 Weighted KNN 风险因素：模型/方法失效、回测数据时间长度不够、指数数量较少、没有考虑交易成本。 本文在专题报告《行业轮动系列专题四：基于量化多因子的行业配置策略之二：风险控制进阶、动量加速度和因子参数的秘密》的基础上，对中高频需求下的行业轮动的量化解决方案进行了改进。本文中的改进主要在于引入了机器学习中的回归算法。在回测期内，XGBoost 和 SVM 算法对策略有加成，但 Weighted KNN 算法整体效果不佳。 报告要点 中信期货量价策略专题报告 2 / 15 目 录 摘要： ........................................................................................................................................................................ 1 一、 机器学习算法与行业轮动 ................................................................................................................................ 3 （一） 经典机器学习的三大方向................................................................................................................... 3 （二） 行业轮动中的机器学习算法引入 ....................................................................................................... 3 二、 引入机器学习算法的行业轮动策略：XGBoost .............................................................................................. 5 （一） XGBoost 算法简述 ................................................................................................................................ 5 （二） 策略回测和业绩表现：引入 XGBoost 的行业轮动策略 ................................................................... 6 三、 引入机器学习算法的行业轮动策略：SVM .................................................................................................... 7 （一） SVM 算法简述 ...................................................................................................................................... 7 （二） 策略回测和业绩表现：引入 SVM 的行业轮动策略 ......................................................................... 8 四、 引入机器学习算法的行业轮动策略：Weighted KNN .................................................................................... 9 （一） Weighted KNN 算法简述 ...................................................................................................................... 9 （二） 策略回测和业绩表现：引入 Weigh