机器学习笔记014 | 对于因子选股，机器学习可以这样用

还记得前几天在《过度拟合和正则化》文末提的问题么？

我们进行多因子选股，每个因子之间的权重，是否可以通过机器学习的方式得到呢？

这一回，我就进行了简单的实现。

还是以之前文章《投资10年300倍，你也可以。》中策略所使用的33个因子进行计算，构建的线性回归模型如下：

以股票某一个交易日的因子数据为特征x，之后某一段时间股票的涨幅为结果y，各个股票为样本的训练集m。

某一段时间的涨幅中的时间是调仓周期。

例如调仓当日计算的因子权重，应该是基于上一个调仓周期的，涨幅也应该是上一个周期至今的涨幅情况。

这样，通过线性回归的方式，就能获得最优的参数组合 θ。

然后以该参数组合，根据各个股票调仓当日的因子情况，来预测其当日到下一个调仓日的上涨幅度。

按照涨幅预测值降序排序，进行选股。

根据这样的策略逻辑，我设置了调仓周期为10天，持有股票50个，不设置止损，过滤创业板、ST、涨跌停股票。

从2007年1月1日到2017年9月15日的回测效果如下：

从历史的回测来看，是具有一定的作用的。

通过归因分析中的年度收益来看，大部分的收益是来自于牛市：

这可能结果判断标准y是股票的涨幅有关系，通过股票的涨幅来选股，趋势性自然就很强。

对于这样的策略模型，目前我暂时想到可以和多因子策略进行结合，例如我之前发布的动态多因子策略。

当然，也应该有更多可以应用的地方，欢迎大家讨论，让我们碰撞出思想的火花。

详细的代码请点击阅读原文查看。

文章转载自公众号：止一之路