Alpha掘金系列之十四：GBDT%2bNN机器学习可转债择券策略

敬请参阅最后一页特别声明 1 神经网络模型——以 GRU 为代表的优化探索 对于 GRU 模型，我们发现利用日度 K 线和转债的三种溢价率作为输入，可以取得最好的效果。为了提升模型的多头表现，我们尝试使用专注于多头的损失函数，但效果不佳，反而导致信息比率和多空指标下滑。为应对训练样本不足的问题，我们引入了数据增强策略，尤其在 2022 年之前的数据上取得了显著成效。然而，在数据充足的 2022 年之后，使用原始数据反而更能适应市场变化。通过这一模型调整，GRU 模型在多头和多空上的表现均有所提升，这表明数据增强在数据量较少的情况下对于提升模型性能是有效的。 决策树模型——以 LGBM 为代表的优化探索 对于 LGBM 模型，我们将转债和正股的 Alpha158 因子，以及一组手工构建的 12 个因子作为输入，以提供多样化的因子视角。结果显示，转债和正股的 Alpha158 因子的组合在 LGBM 模型中实现了最佳的多头表现，而手工构建的因子表现不佳，可能需要进一步的因子扩充来满足模型需求。 机器学习转债择券策略 GRU 模型与 LGBM 模型训练得到的因子相关性较低，仅为 0.35，因此我们将两者等权合成得到机器学习转债择券因子（ML 因子）。ML 因子在全部转债上 IC 均值为 9.71%，5 分组多头年化收益率为 22.80%，多空年化收益率 31.83%；在偏股/平衡/偏债型转债上 IC 均值为 8.41%/9.42%/8.90%，多头年化收益率为 28.36%/18.99%/15.32%，多空年化收益率 39.04%/25.41%/20.04%。进一步考虑扣费和换手率缓冲，使用 20%的转债，相对中证转债指数构建机器学习转债择券策略，该策略在全部转债上年化收益率 14.59%，跟踪误差 5.18%，信息比率 2.23，超额最大回撤 4.24%；在偏股/平衡/偏债型转债上年化收益率分别为 20.77%/11.11%/9.09%，信息比率分别为 1.44/1.64/0.90。 风险提示 1、 以上结果通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在时效的风险。 2、 策略通过一定的假设通过历史数据回测得到，当交易成本提高或其他条件改变时，可能导致策略收益下降甚至出现亏损。 金融工程专题报告 敬请参阅最后一页特别声明 2 扫码获取更多服务 内容目录 一、传统可转债择券因子效果不佳.................................................................. 5 二、神经网络模型——以 GRU 为代表的优化探索...................................................... 5 2.1 增量信息的影响.......................................................................... 5 2.2 专注多头的损失函数尝试.................................................................. 7 2.3 数据增强有效缓解极端分布................................................................ 8 三、决策树模型——以 LGBM 为代表的优化探索...................................................... 11 四、机器学习转债择券策略....................................................................... 13 4.1 GRU 与 LGBM 因子合成 .................................................................... 13 4.2 机器学习转债择券因子检验............................................................... 14 4.3 机器学习转债择券策略................................................................... 16 总结........................................................................................... 19 风险提示....................................................................................... 19 图表目录 图表 1： 可转债数量变化 ......................................................................... 5 图表 2： GRU 模型数据集.......................................................................... 6 图表 3： GRU 模型增量信息统计数据................................................................ 6 图表 4： GRU 模型增量信息多头净值................................................................ 6 图表 5： GRU 模型增量信息多头超额净值............................................................ 6 图表 6： GRU 模型增量信息多空净值................................................................ 7 图表 7： GRU 模型增量信息分组年化超额............................................................ 7 图表 8： GRU 模型多头损失统计数据................................................................ 7 图表 9： GRU 模型多头损失多头净值................................................................ 7 图表 10： GRU 模型多头损失多头超额净值........................................................... 7 图表 11： GRU 模型多头损失多空净值..............................