【专题报告】基于排序学习的行业轮动模型

证 券 研 究 报 告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 未经许可，禁止转载 金融工程 专题报告 2023 年 05 月 25 日 【专题报告】 基于排序学习的行业轮动模型  排序学习的定义 排序学习（Learning to Rank，LTR）又名“机器排序学习”（Machine-learned Ranking）是一种监督学习方法，此机器学习算法通过在数据集上对大量特征进行训练，从而学习生成排序模型，以用于解决实际中的排序问题。排序学习在文档检索、过滤和推荐系统等领域，已得到广泛应用。  排序学习与量化投资 在量化投资领域，排序学习有着出类拔萃的内在逻辑，类比于信息检索和推荐系统中使用的相关性指标，同样可以通过使用能够代表金融资产表现的金融指标，来将排序学习应用于在量化投资中，并为投资者提供更加智能化和高效的投资决策工具。并且排序学习不仅仅关注计算出代表行业优劣的具体指标或打分数值，而是注重行业与行业之间的相对优劣程度，从而为用户提供满足其需求的推荐。  LGBMRanker 行业轮动模型 本文通过使用 LGBMRanker 模型对中信一级排序学习，构建行业轮动型号，经回测该策略从 2007 年至今在中信一级上的年化绝对收益率为 17.53%，超额年化为 9.81%，夏普比率为 0.59，信息比率为 0.921。相对于行业等权为基准而言，周度胜率为 53.65%，月度胜率为 60.62%。  风险提示： 本报告中所有统计结果和模型方法均基于历史数据，不代表未来趋势。  证券分析师：王小川 电话：021-20572528 邮箱：wangxiaochuan@hcyjs.com 执业编号：S0360517100001 相关研究报告 《2023 年 Q1 量化策略总结与未来市场展望》 2023-04-05 《基于 canslim 与 FESC 的沪深 300 指数增强策略》 2023-03-07 《2022 年四季报公募基金十大重仓股持仓分析》 2023-01-24 《K 线形态研究开篇：形态学初识与应用》 2023-01-13 《短期转好，但或未见底——2022 年策略总结与2023 年初行业推荐》 2022-12-08 华创证券研究所 专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 2 投资主题 报告亮点 本篇报告作为排序学习系列研究的开篇报告，首先对排序学习做了系统性的概括与总结，通过论述排序学习的理论基础与算法逻辑，从而推导出了排序学习与量化学习之间相得益彰的契合性。并且使用 LGBMRanker 在中信一级行业上构建出基于排序学习的行业轮动模型，表现相当优异。 投资逻辑 排序学习在量化投资中将行业的特征作为参数输入，将其转化为当期对行业未来走势的相对优劣排序。通过持仓排名较前的行业，有望取得一定的相较于行业等权的超额收益。 nMoNqQmNmOpMsNsMuNmNqP9PbP6MpNpPmOoNeRpPqNkPtRnQbRqRpQwMnOwPxNmQyQ 专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 3 目 录 一、 什么是排序学习？ ........................................................................................................... 5 （一） 排序学习的背景 ................................................................................................... 5 （二） 排序学习的特殊之处 ........................................................................................... 5 （三） 排序学习的算法分类 ........................................................................................... 7 1、 Pointwise Method .................................................................................................... 7 2、 Pairwise Method ...................................................................................................... 7 3、 Listwise Method ...................................................................................................... 7 4、 小结 ......................................................................................................................... 8 （四） 排序结果评价指标——归一化折损累计增益（NDCG） ................................ 8 1、 累计增益 CG.......................................................................................................... 9 2、 折损累计增益 DCG ................................................................................................ 9 3、 归一化折损累计增益 NDCG ............................................................................... 10 二、 排序学习在量化投资里的运用 ..................................................................................... 11 （一） 排序学习与量化投资 ......................................................................................... 11 （二） 行业轮动理论依据 .....................