基于深度森林的選股策略

王倫

摘 要：多因子模型一直是量化投資領域的重要方法，而如何選擇有效因子并確定因子權重從而構建有效的投資組合是研究者重點討論的議題。以每只股票收益率作為分類標準，引入深度森林算法篩選股票，利用滬深300成分股進行選股回測，選取預測收益率大于0的概率排名靠前的30只股票進行實證分析。研究結果表明，深度森林算法比隨機森林算法具有更高的超額收益，且具有更低的回撤率，該模型對量化投資策略的設計具有重要的實際意義。

關鍵詞：深度森林;量化選股;多因子分析

中圖分類號：F830.91? ? ? ? 文獻標志碼：A? ? ? 文章編號：1673-291X（2019）27-0078-02

預測股票市場價格走勢是一項非常具有挑戰性的任務，因為它涉及到許多不確定性和影響某一天市場價值的許多變量，如經濟條件、投資者對某一特定公司的看法、政治事件等。這就使得股票市場易受快速變化的影響，造成股票價格的隨機波動。股票市場序列通常是動態的、非參數的、混沌的、有噪聲的，因此，股票市場價格的波動被認為是一個隨機過程，具有較大的波動性短時間窗口的發音。然而，一些股票往往傾向于發展線性趨勢超過長期的時間窗口。由于股票行為的混沌性和高度波動性，投資股票市場伴隨著高風險。為了把風險降到最低先進的知識未來的股價走勢是必要的。交易員更有可能購買其股票未來的價值預計會增加。另一方面，交易員可能會克制自己購買價值預計在未來會下跌的股票。所以，需要準確預測股票市場價格的趨勢，以使資本收益最大化，損失最小化。

在預測股票價格行為的主要方法中，以下是特別的值得注意的：技術分析、時間序列預測、機器學習及數據產業（Hellstrom and Holmstromm，1998）和股票波動建模及預測使用微分方程（Saha，Routh和Goswami，2014）。本文主要研究的是第三種方法，是由于與股票市場預測問題相關的數據集太大而無法得到使用非數據挖掘方法處理。

一、深度森林gcForest

深度森林由南京大學周志華教授和馮霽博士2017年發表的論文中提出的，這是一種可以與深度神經網絡相媲美的基于樹的模型。

本文提出了一種新的模型gcForest（多粒度級聯森林），它是一種基于樹的集成方法，將樹集成到樹中，并將樹集成到樹中，以達到表征學習的效果。通過對高維輸入數據進行多粒度掃描，可以增強其表征學習能力。序列中的層數也可以自適應地確定，這樣模型復雜性就不需要是自定義超參數，而是根據數據情況自動設置的參數。值得注意的是，gcForest的超參數比DNN少。更好的部分是gcForest對參數具有很好魯棒性，即使使用默認參數也是如此。換句話來說，gcForest相對于DNN，不僅超參數更少，而且對超參數的依賴性也更低。因為這樣，gcForest的訓練更為便捷，理論分析也更為清晰，這并不是說樹比神經網絡更好去解釋，就單純從超參數來說，更少超參數意味著更少的主觀設定。

二、實證分析

在因子選擇方面，為了比較不同因子選擇方法的效果，本次研究盡可能多的篩選出有效因子。綜合分析了多家券商的研究報告和各類學術論文，運用通聯數據量化數據平臺，從估值因素、規模因素、交易量因素、動量因素、趨勢因素等方面篩選出了34個常用的有效因素。

本次實驗數據為2010年1月1日至2018年12月31日滬深300指數各成分股選取最后一個交易日的所有交易的股票要素價值和收益率。將收益率大于0的標記為1，其他則標記為0，用于模型分類的目標值。用2010年1月1日至2017年3月31日的數據作為訓練集來訓練模型，回測用2017年4月1日到2018年12月31日的數據，所有因子數據都通過中性化、去極值、標準化處理，并去掉了含有缺失值的股票。

三、結語

利用上述34個因子值，根據主成分分析結果，選取前20個主成分作為分類的解釋變量，構建多因子模型。將股票收益率作為模型分析的解釋變量。首先采用隨機森林算法進行實驗，并利用優礦平臺進行研究。

從表1的回測檢驗結果可以看出，隨機森林多因子策略的年化收益率為26.5%，滬深300指數的市場收益率為15%，超額收益為11.8%，阿爾法超額收益說明了多因子模型的有效性。最大回撤率為8.9%，說明模型具有相當的穩定性。

從表2可以看出，深度森林多因子策略年化收益達到32.9%，并且獲得了18.2%的阿爾法超額收益，故而深度森林在多因子選股策略是明顯要優于隨機森林的，且最大回撤只有7.9%，相比隨機森林，該模型具有更高的穩定性。

參考文獻：

[1]? L.Breiman.Random forests.Machine Learning，2001，（1）：5-32.

[2]? Zhou Zhihua，Ji Feng.Deep Forest：Towards an Alternative to Deep onference on Artificial Intelligence，2017：3553-3559.