海外文献速览系列之十四：揭秘机器学习在中国市场的有效性

敬请参阅报告结尾处的免责声明 东方财智 兴盛之源 DONGXING SECURITIES 金融工程 东兴证券股份有限公司证券研究报告 揭秘机器学习在中国市场的有效性 ——海外文献速览系列之十四 2022 年 01 月 15 日 金融工程 定期报告 分析师 高智威 电话：0755-82832012 邮箱：gaozhw@dxzq.net.cn 执业证书编号：S1480521030002 研究助理 贺争盛 电话：18768114667 邮箱：hezhsh@dxzq.net.cn 执业证书编号：S1480121070099 投资摘要： 在开发量化投资策略时，海外优秀论文往往能够提供新的思路和方法，为了能够让各位投资者更有效率地吸收海外的经验，东兴金工团队推出海外文献速览系列报告。我们将定期从海外文献中筛选思路较为新颖且有潜力应用于国内市场投资的文章，以速览的形式呈现给各位投资者，内容涵盖资产配置、量化选股、基金评价以及衍生品投资等多个方面。 本篇报告作为该系列报告的第十四篇，我们选取了 Markus Leippold, Qian Wang, Wenyu Zhou 的文献《Machine learning in the Chinese stock market》。 机器学习在股票市场的应用是一个热门的学术研究领域。尽管在美国市场的研究已经很多，但机器学习方法在中国市场的应用能力仍然有待验证。 本文是一篇有关中国股市实证资产定价的新兴文献。在本文中，作者通过使用各种机器学习算法构建和分析了一组全面的收益预测因素。对比之前对美国市场的研究，在中国股市中，流动性成为最重要的预测因素，这使得作者深入研究了交易成本的影响，传统的价格趋势指标的重要性相对较低，与美国市场的结论相反，而基本面因子是第二重要的因子类别。研究表明散户投资者的主导地位对短期可预测性产生积极影响，这种可预测性在小型股票上更加明显。中国市场与美国市场的另一个区别是大型股票和国有企业在较长时期内的高度可预测性。除去交易成本后，预测能力在样本外仍然表现良好。 作者的分析表明，中国股市短期的高可预测性有助于构建高夏普比率多空投资组合，尤其是神经网络和 VASA 模型。根据它们构建的投资组合在 2015 年中国股市崩盘期间也表现强势。但是，在中国市场做空股票是不切实际的，因此，作者还分析了只做多的投资组合，发现其表现仍然具有经济意义。历史回测表明，这些机器学习选股方法在大部分回测期内均能跑赢同期的沪深 300 指数。作者还提出了一种表现良好的事前模型选择的新方法。总的来说，作者表明机器学习方法可以应用于与美国市场具有完全不同特征的市场。 作者对量化选股策略的研究方法值得我们学习和借鉴，作者运用机器学习进行模型构建的方法值得我们关注 风险提示： 本报告内容来源于相关文献，不构成投资建议。文中的结果基于原作者对历史数据的回测，当市场环境发生变化的时候，存在模型失效的风险。 P2 东兴证券金融工程报告 金融工程：揭秘机器学习在中国市场的有效性 敬请参阅报告结尾处的免责声明 东方财智 兴盛之源 DONGXING SECURITIES 目 录 1. 研究背景................................................................................................................................................................................................... 4 2. 数据与方法论........................................................................................................................................................................................... 5 3. 实证分析................................................................................................................................................................................................... 6 3.1 样本外预测能力 ............................................................................................................................................................................ 6 3.1.1 全样本分析 ......................................................................................................................................................................... 7 3.1.2 小股票与大股票 ................................................................................................................................................................. 7 3.1.3 小股东与大股东 ................................................................................................................................................................. 7 3.1.4 国有企业与非国有企业 ..................................................................................................................................................... 8 3.1.5 年度情况下预测能力 ...................................................................................................................................................