海外文献推荐第206期：中国股票市场中怎样用机器学习来做股票投资?

金融工程 | 金工专题报告 请务必阅读正文之后的信息披露和免责申明 1 金融工程 证券研究报告 2022年01月06日 作者 吴先兴 分析师 SAC执业证书编号：S1110516120001 wuxianxing@tfzq.com 相关报告 1 《金融工程：金融工程-市场情绪一览 2022-01-05》 2022-01-05 2 《金融工程：2022年01月04日基金专题报告-具备长期竞争力的基金》 2022-01-04 3 《金融工程：金融工程-新能源电池-周报》 2022-01-04 海外文献推荐 第206期 中国股票市场中怎样用机器学习来做股票投资? 随着机器学习在金融和经济领域的应用迅速兴起，越来越多的学者利用机器学习工具研究股票的截面和时间序列预测。而中国股票市场历史较短，制度依然处于不断完善的阶段，有着自身的特殊性。本文根据中国市场的特征构建了一个全面的股票收益预测因子集，并利用几大流行的机器学习算法进行实证分析。经过CSPA条件预测能力检验，作者发现神经网络在不同宏观经济条件下的表现都比较稳健，并且预测能力最强。在构建的因子集中，与市场流动性相关的因子重要性较高。考虑到中国市场的做空限制，作者分别构建了多空和多头投资组合。策略在2015年的暴跌中表现良好，并且在2020年初新冠疫情期间也没有受到严重影响。 风险提示：本报告内容基于相关文献，不构成投资建议。 金融工程 | 金工专题报告 请务必阅读正文之后的信息披露和免责申明 2 内容目录 中国股票市场中怎样用机器学习来做股票投资? ......................................................................... 3 1. 简介 ................................................................................................................................................. 3 2. 数据和方法 ..................................................................................................................................... 4 3. 实证分析 ......................................................................................................................................... 5 3.1. 样本外的可预测性 .......................................................................................................................... 5 3.1.1. 全样本分析 ............................................................................................................................ 5 3.1.2. 小盘股和大盘股 ................................................................................................................... 6 3.1.3. 小股东和大股东 ................................................................................................................... 6 3.1.4. 国有企业和非国有企业 ..................................................................................................... 6 3.1.5. 年度可预测性 ....................................................................................................................... 6 3.2. 重要的预测因子............................................................................................................................... 7 3.2.1. 宏观经济变量 ....................................................................................................................... 7 3.2.2. 股票特征 ................................................................................................................................ 8 3.3. 条件预测能力检验（CSPA） ...................................................................................................... 9 4. 投资组合分析 ................................................................................................................................ 9 4.1. 组合类型 ............................................................................................................................................ 9 4.2. 排除小盘股 ...................................................................................................................................... 11 4.3. 国有企业的表现............................................................................................................................. 12 4.4. 交易成本 .......................................................................................................................................... 12 4.5. 限价规则 .......................................................................................................................................... 13 5. 结论 ............................................................................................................................................... 13 图表目录 图1：月度样本外预测푹풐풐풔ퟐ百分比汇总 ................................................................................................... 5 图2：年度样本外预测푹풐풐풔ퟐ百分比汇总 ................................................................................................... 7 图3：11个宏观经济变量的相对重要性 ................................................................................................. 7 图4：11个宏观经济变量的重要性汇总图 ............................................................................................. 8 图5：基于全样本的条件预测能力比较 ................................................................................................... 9 图6：基于全样本的机器学习投资组合的表现（价值加权） ....................................................... 10 图7：机器学习多空投资组合的累计对数收益（全样本） ............................................................ 10 图8：机器学习多头投资组合的累计对数收益（全样本） ............................................................ 11 图9：基于大盘股的机器学习投资组合的表现（价值加权） ....................................................... 11 图10：基于国有企业的机器学习投资组合的表现（价值加权） ................................................ 12 金融工程 | 金工专题报告 请务必阅读正文之后的信息披露和免责申明 3 中国股票市场中怎样用机器学习来做股票投资? 文献来源：Leippold, M., Wang, Q. & Zhou, W. (2021). Machine-Learning in the Chinese Stock Market. Journal of Financial Economics. 推荐原因：随着机器学习在金融和经济领域的应用迅速兴起，越来越多的学者利用机器学习工具研究股票的截面和时间序列预测。而中国股票市场历史较短，制度依然处于不断完善的阶段，有着自身的特殊性。本文根据中国市场的特征构建了一个全面的股票收益预测因子集，并利用几大流行的机器学习算法进行实证分