简单的利用 Logistic 训练的因子模型年化超额 alpha 超过 20%

这个模型的思路就是利用历史月度数据建立分类器，选取了大概 20 个因子（继续加也没问题），然后以月度收益大于 25%的作为强势股+1 小于-10%的为弱势股-1 （这里用绝对强度而不是相对强度）用得到的数据用 Logistic 模型训练，每过一期就把每个月的数据直接加到训练集里面，当然用滚动窗口训练也没问题（懒得做）我也尝试过用 svm 分类，但是实际上效果并不好，据我做机器学习的同学表示， svm 在特征不够好的情况下表现确实是还不如 logistic 模型的，这种二分类而因子模型本身不太可能做到样本外 80%以上的 AUC ，那太夸张了，所以似乎是 logistic 会好点，决策树我没试过或者用 adaboost 或者随机森林什么的

当然模型还是有一点我想了很多办法也没法改进的问题：
1.首先，模型在市场风格急剧变化的情况下表现较差在这里牛熊变化的关口表现不好波动性大 15 年股灾的的时候回测有差不多 45% 我本来想加个择时控制仓位的因子进去，但是怎么也选不好
2.对 1 里面的问题我还有一个思路，如果用随机梯度递减的算法是不是能较快反应出市场变化呢？不过这样的话训练集似乎太少了
3.可能会有点过拟合，但是并不会很明显，我改变参数回测了好几次，夏普比率都在 1 左右，最低也有 0.8 4.机器学习方法的通病就是逻辑性的不足，这里虽然是线性模型，也有一定这样的问题

总之这个模型还算稳定，基本上每年都可以获得超额收益，大家可以一起讨论改进

完整高清源代码请移步： https://uqer.io/community/share/5763ad63228e5b8199a55ebc
最大年化收益率高达 34.2%！

模型

logistic

因子

训练集

23 条回复 • 2016-10-19 18:51:15 +08:00

ytmsdy

2016-09-19 16:44:09 +08:00

如果能控制回撤那就更好了。

menc

2016-09-19 16:53:50 +08:00

1. 单纯 LR 在 time series 数据上有这样的效果，我是不信的
2. “机器学习方法的通病就是逻辑性的不足”这句话槽点满满， LR 的可解释性是足够的
3. 选取的因素中有很多相关度高的特征，造成过拟合几乎是必然的，然而还是有这样的收益，效果简直让人发指。
4. 这代码 LR 的路子比较野，没有 normalization ，也没有 split ，特征维度 20 ，建议仔细打一下特征权重看一下。

bugmenein

2016-09-19 17:29:37 +08:00

网站挂了

skydiver

2016-09-19 18:32:18 +08:00

交易成本是多少

panins

2016-09-19 22:00:41 +08:00

请问数据源是来自于哪里？

alexapollo

2016-09-19 23:24:54 +08:00

夏普比在 3 以下的模型大多直接用于实战都有一些问题，建议还是直接交易试试吧

datayes2015

2016-09-20 14:52:54 +08:00

@alexapollo okay

datayes2015

2016-09-20 14:53:12 +08:00

@alexapollo 蟹蟹亲的建议

datayes2015

2016-09-20 14:53:53 +08:00

@panins 来自于通联数据

xiaoyu9527

2016-09-20 15:23:13 +08:00

好牛逼呀

ycge234

2016-09-20 17:24:41 +08:00

这算是新风口吗··现在开始流行炒这个？

server

2016-09-20 17:59:38 +08:00

这广告牛逼

kimboqi

2016-09-20 18:06:34 +08:00

抽取的特征还是太少了，楼主应该看看市面上的一些普通策略，就拿简单的小市值策略来说，策略涉及到的特征不多基本都是股票的基本特征比如总市值，市盈率再利用移动平均线做好止损，简简单的策略年化收益就能上百。当然我一直相信只要特征够多，用机器学习的方法来预测还是有效的。

myrual

2016-09-21 17:30:25 +08:00

这都年化 30%还不卖房卖地卖车进去干？

skyworker

2016-09-23 11:39:40 +08:00

@myrual 太宏观的模型, 碰到一次大跌,就把棺材本都陪进去了.

myrual

2016-09-23 13:00:18 +08:00

@skyworker 自动交易应该是有止损设计的吧。 @datayes2015

datayes2015

2016-09-26 15:26:37 +08:00

@myrual 是的

icylord

2016-09-26 19:04:15 +08:00

能剔除 2015 年的牛市数据再看看收益吗？

grindsgears

2016-10-19 17:08:16 +08:00

哎，。。。。。又是一个
你的策略基本就是复制基准的基础上稍微优化下，
1. 如果你是 15 年 6 月这个系统开始 run ，，，几个月，你会失去信心，或者，根本不可能有人投钱给你
2 ，你们的通病都是没有考虑过，停牌，流动性不够等等的问题，说白了，就是拿一段数据意淫而已。随便找一段随机的 ohlc 的数据，我可以弄两个 strategy ，一个收益曲线向上，一个曲线向下， lol 。
3. 优矿的数据精度完全不够。 tick 数据应该没有， orderbook 更不可能有，涨停的你买不进，跌的时候你跑不掉，。
4. 总而言之，这些都是纸上谈兵，建议你们都不要浪费时间了，和真正的策略距离很远，。你更多的是要考虑股票之间的 correlation 。股票和基准的 beta 率，你策略的资金容量， gross captial exposure ，等等等等等等等等。

那种梦想找到一个策略然后赚钱，几乎不要考虑了，

目前主流的基本一下几种
1 ，基于 orderbook 的 marketmaking
2 ，基于 spread 和 correlation 的 arbitrage
3. 那些 beautiful mind guys 的各种模型
即使是这样，大部分也是多策略同步运行的，比如，一个追涨或者追跌的策略，在震荡的时候被杀到爆，，你想避免，重点是，你怎么知道什么时候震荡结束？或者什么时候开始

真心不要浪费时间了

最后告诉你，中国股票不是这么做的，一个只可以做多的市场，在熊市随便什么策略都挂。
topdown 一直 bottom up 下来，找到板块，做多最强的，最空最多的，同时用 vix 的 option 对冲大波动风险。
中国股票，可以试试建立一个类似 50etf+500etf 的 portfolio ，用 a50 。 fxi 之类的对冲，应该还有点机会
这一行，比的不是谁活得好，是比谁活的长，。 lol

说话比较直接，不要介意，，，
祝你好运

aksoft

2016-10-19 17:13:19 +08:00

楼上是老 nb...

lixuda

2016-10-19 17:27:15 +08:00

@grindsgears 完全同意

xieyingli

2016-10-19 17:35:04 +08:00

@grindsgears 哈哈哈，好有道理，感谢今天把这个帖子挖出来。

grindsgears

2016-10-19 18:51:15 +08:00 via iPhone

打错一个字。是做多那个板块最强的股票同时做空同板块最弱的股票

简单的利用 Logistic 训练的因子模型 年化超额 alpha 超过 20%

简单的利用 Logistic 训练的因子模型年化超额 alpha 超过 20%