基于机器学习的多因子选股模型

刘佳琪 张建

摘要：以沪深300成分股作为股票池，选取2010年年初到2019年年初中价值类、成长类、规模类、交投类、情绪类、每股、质量类和风险类这8大类因子的数据，探讨了XGBoost结合半衰期IC加权的方法在多因子选股模型中的应用。从实证中看出，在多因子选股策略中，利用XGBoost方法选取重要的因子，然后运用半衰期IC加权对重要因子进行赋权的方法在排名前10%的股票中可获得年化收益率为26.86%，要比年化收益为2.05%的沪深300指数高出24.81%。这个方法可对量化选股提出新思路。

关键词：半衰期IC加权 XGBoost 多因子 选股

一、引言与文献综述

近几年来，量化投资慢慢在资本市场中占领了重要地位，发展迅猛，迅速成为国际投资界的一种新型方法。量化投资就是利用计算机的技术，并且采用一定的数学模型，践行投资理念，实现投资策略的过程。它主要有几大特点：纪律性，系统性，及时性，准确性和分散化。中国的量化投资发展还处于初级阶段，我国A股市场发展历程较短，还处于非有效或弱有效的市场阶段，但是越来越多的人尝试用数学，金融学，计算机技术相结合的量化投资方法把市场上被错误估计的股票挖掘出来，寻求超额收益。多因子选股模型是量化投资中非常重要的模型，该模型主要依据一系列的因子作为计算股票收益的标准，后根据收益率的高低选择合适的股票。它的优点主要是对市场波动较为敏感，能够依据最新市场行情改变选股策略，在不同的市场情况下，有不同的因子发挥作用，因此，各类的投资者在不同的市场情况下开发了不同的多因子模型。……