要
點
1、模型框架概覽：在《因子輪動研究系列之一：基於機器學習方法的A股市值風格輪動研究》中，我們基於Adaboost、邏輯斯特迴歸模型，對未來一個月的市值風格表現進行預測。同時報告依據模型置信度將兩模型預測結果進行融合，得到雙模型融合預測結果。
2、模型觀點跟蹤：根據雙模型融合預測結果，2020 年 10 月看好大盤股。模型 2019 年以來預測準確率達 76.19%，同時模型建立於 2019 年 10 月，純樣本外點準確率達 81.82%。
3、指數輪動策略：我們依據模型預測結果，動態選擇配置滬深 300 或中證 500 指數，構建指數輪動策略。滬深 300 vs 中證 500 指數輪動策略 （2014/1-2020/9）年化收益率達 14.82%，夏普比率為 0.55，較等權策略 的 7.07%、0.28 有顯著提升，市值擇時效果較好。
4、所選變量分析：從模型最新一期所選變量的特徵重要性來看，社會融資 規模相關變量重要性有明顯提升。8 月新增社融規模較 7 月大幅回升， 後續可重點關注社融規模走勢。
風險提示：報告中的結果均由相應作者通過歷史數據統計、建模和測算完成，在政策、市場環境發生變化時模型存在失效的風險。
1、引言
近期，在報告《因子輪動研究系列之一：基於機器學習方法的A股市值風格輪動研究》中，我們從宏觀基本面、市場狀態與因子自身特徵三個維度搜集了一系列變量用於構建風格輪動指標體系，以Adaboost與邏輯斯特迴歸兩個分類模型為基礎構建了A股市值風格預測模型，同時依據模型置信度將兩個基模型的預測結果進一步結合，得到雙模型融合預測結果。
本文給出各模型最新預測結果，且對各模型2019年以來預測結果進行回顧。
2、基於雙模型融合的A股市值風格輪動模型
2.1
雙模型融合預測結果
根據雙模型融合預測結果，2020年10月看好大盤股。模型2019年以來預測結果如圖表2所示，預測準確率達76.19%。
模型具體構建過程詳見報告《因子輪動研究系列之一：基於機器學習方法的A股市值風格輪動研究》。
2.2
指數輪動策略跟蹤
同時我們根據模型預測結果構建了兩個指數輪動策略（滬深300 vs 中證500、滬深300 vs中證1000），下面為指數輪動策略歷史表現。
1） 滬深300 vs 中證500指數輪動策略
2） 滬深300 vs 中證1000指數輪動策略
3、基於Adaboost模型的A股市值風格輪動模型
3.1
Adaboost模型預測結果
Adaboost模型2020年10月看好大盤股，模型2019年以來預測準確率達76.19%，同時模型建立於2019年10月，純樣本外點準確率達81.82%。
3.2
模型所選變量分析
由於我們所選基模型為決策樹模型，則可根據基尼係數從信息增益角度評價每一個變量的重要性。具體來說，在樹的構建中，每個特徵我們都會計算基尼指數，特徵重要性就是這個基尼指數減少量的歸一化值。對所有弱分類器的特徵重要性結果進行平均便得到Adaboost模型的特徵重要性。本文以此指標來判斷模型中每個變量所起作用。
我們列出平均特徵重要性前十的變量，以探究對 A 股市值風格長期來看有重要影響的變量。需要注意的是，特徵重要性只能衡量變量的相對作用，而無法判斷變量和標籤的具體關係。
從模型最新一期所選變量的特徵重要性來看，社會融資規模相關變量重要性 有明顯提升。8 月新增社融規模較 7 月大幅回升，後續可重點關注社融規模走勢。
風險提示：報告中的結果均基於歷史數據統計、建模和測算完成， 在政策、市場環境發生變化時模型存在失效的風險。
相
關
報
告
注：文中報告節選自興業證券經濟與金融研究院已公開發布研究報告，具體報告內容及相關風險提示等詳見完整版報告。
證券研究報告：《市值風格預判月報2020年10月：10月看好大盤股》。
對外發布時間：2020年10月11日
報告發布機構：興業證券股份有限公司（已獲中國證監會許可的證券投資諮詢業務資格）
--------------------------------------
分析師：徐寅
SAC執業證書編號：S0190514070004
電話：18602155387,021-38565949
E-mail: [email protected]
--------------------------------------
