基于机器学习方法的两阶段因子择时【华福金工·李杨团队】

文章预览

//   核心结论   // 因子择时可行性     因子的挖掘和组合已经历长时间的发展，相比较而言因子择时的研究较少。已有的研究认为尽管因子择时十分困难，但通过综合不同信号，将因子择时组合映射至股票层面进行股票择时，可获得显著的择时收益。报告采用随机森林算法，在中证800和全A指数范围内进行两阶段因子择时。 两阶段因子择时框架     基于市场状态的两阶段因子择时有两个必要的先决条件：第一，市场状态不会在短时间内频繁变更，而是会持续一段时间；第二，不同市场状态下各类股票风格因子的表现不同，即相比于未分类的初始市场状态，不同市场状态下因子收益率间的相关性会降低。报告发现在市场回撤幅度较低时，各类因子间的相关性会降低。报告的两阶段择时框架如下：     第一阶段，报告对股指滚动回撤数据聚类， ………………………………