01
预测准不准 vs. 排序对不对
R² 衡量收益预测误差相对基准的大小;IC 衡量预测的股票排序和实际排序有多一致。
数据表
神经网络的训练 R² 是 15.1%,测试 R² 却是 −21.3%。给 OLS 加上 Ridge 或 Lasso 正则化,几乎没有改善。 线性模型的收益预测误差虽然比平均收益基准还大,排序相关性仍然是正的。
02
组合对比
每个月按预测收益给所有股票排序,等权买入前 100 只,持有一个月。
年化夏普比率
前 100 只等权,测试期,未扣交易成本报告没有扣除交易成本。这次测试中 LightGBM 组合每月收益约 4.4%,月波动率 12.4%。 Lasso 的平均收益略高,但 LightGBM 的夏普比率更高。这些是回测结果,不是预期收益。
03
特征重要性
在选出的 50 个特征里,按 LightGBM 分裂增益排前 20 的特征。全市场层面的变量单独标色。
宏观变量公司特征
macro_ep 全市场盈利价格比macro_tms 期限利差
macro_svar 股市方差macro_dp 全市场股息价格比
macro_dfy 违约收益率利差macro_ntis 股票净发行
mom12m / mom6m / mom1m 过去 12、6、1 个月收益baspread 买卖价差
排名最高的三个特征都是宏观变量,动量类特征也排在前面。 这些排名说明的是模型用了哪些变量,并不构成对收益的因果解释。
04
局限
预处理、样本区间和交易成本。
LightGBM 只解释了测试期 1.45% 的收益方差。训练期从 2009 年开始,没有包含 2008 年金融危机。 报告里先写了中位数填补和基于相关性的特征筛选,后面才讲时间划分,没有说明这些步骤只用了训练数据。 更严格的做法是在每个训练窗口内完成所有预处理,在不同时间段重复比较,并扣除交易成本。