国金证券
本篇报告中我们通过 XGBoost 方法构建因子择时模型以及大小盘轮动模型。根据拟合得到 XGBoost 模型对于 barra 风格、大小盘风格未来收益进行预测，为投资者提供系统的风格配臵参考。由于两套模型都用到宏观经济数据和市场情绪变量作为输入变量，且策略框架有一定共性，因此我们放在同一篇报告中做展示。
本报告包括两个相互独立的策略：
1）策略 1：我们使用 XGboost 模型，对股票 barra 风格因子未来一个月因子收益正负做出预测。输入自变量包括因子拥挤度、宏观数据（多指标）、市场状态等。该策略对于做指数增强、smart beta 轮动策略的投资者有帮助。模型回测显示，风格轮动择时效果明显。我们将择时结果与多因子选股组合优化框架进行结合，选取中证 500 指数为基准，选股范围为中证 500 成分股。在控制行业偏离和个股权重的情况下，XGBoost 模型在测试集（2019 年至今）各风格因子上平均月度胜率为 61%，策略收益年化 26.06%，相对于中证 500 超额收益年化 20.55%。今年以来该模型超额收益赔率较高，8 月份主要是因为高配了动量、质量和估值因子。11 月份低配了动量因子超配低换手因子。模型在 12 月份建议高配 beta、动量、质量、成长因子,低配小市值、低波动因子、估值因子。从模型逻辑上看，当前经济周期还没有到全部复苏的阶段，市场流动性较为宽松，但市场主线尚不明确，没有明显的风格偏好，因此模型总体保持风格敞口的相对均衡配臵。模型本期相对优选对于利率敏感性较强的成长因子，以及在整个投资环境趋势不明晰下控制质量和大市值有一定敞口。
2）策略 2：我们使用嵌套 XGBoost 的打分加权模型，对沪深 300、中证 500 未来一个月收益高低做出预测。
（PDF，2.4M，24页）
评论0