决策树在多因子模型中的应用(二)

最新推荐文章于 2025-06-04 18:08:00 发布

原创

最新推荐文章于 2025-06-04 18:08:00 发布 · 2.3k 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#量化投资 #机器学习 #python

本文深入探讨了决策树在量化投资中的应用，通过构建模型进行分组回测，分析了决策树的优势和局限性，如处理非数值特征、非线性问题的能力，以及对特征的随机性和训练样本敏感性。通过回测结果，展示了模型的预测效果，发现决策树在分层回测中的表现并不理想。同时，文中强调了模型因子特征重要性，揭示了波动率、动量、Beta因子对股价预测的影响。最后，提出了随机森林等集成算法可能带来的改进。

上篇内容，我们对决策树进行了介绍，探讨了决策树的回归和分类方法，并列出了一些关键参数的说明，构建了超参数学习曲线，本篇内容，我们将基于决策树进行分组回测，对结果进行展示。

开始之前，我们在来回顾一下决策树，决策树学习能根据数据的属性采用树状结构建立决策模型，能够用来解决分类和回归问题，决策树方法简单自然，符合人脑的思维逻辑，除了构建单棵决策树，我们还可以建立多棵决策树并通过某种方式将它们结合在一起，综合投票产生最后的预测值，也就是随机森林。

本篇报告中我们将基于决策树进行预测，并将这个模型应用于多因子选股。

关于模型的思路

在用决策树构建模型的时候，我们先来考虑这个问题，树模型与传统的线性模型相比，优势和缺点在哪里？

首先，它可以处理非数值类特征，如不同板块风格股票涨跌分类问题，也就是说，我们可以将行业标签、甚至地域标签、这样的非数值特征放入特征数据中。

其次，对于连续数值的非线性问题，就比如不做倒数处理的估值因子PE、PB。理论上拿这些数据应用在决策树中时，可以不必考虑数据在0轴上下的不同处理方式。

树模型同样有其缺陷，单独决策树使用时，对特征是带有一定随机性的，并且，在对训练样本敏感，训练过程如不加适当的限制，则结果基本上就会过拟合。

参数寻优的问题与方法

模型的参数优化部分可以参考上篇介绍决策树文章内容，进行学习曲线或者网格搜索，进行剪枝处理。

模型构建过程

参考《人工智能选股之随机森林模型》中模型构建过程，我们按下面步骤进行预测模型搭建

1.数据获取：我们选择股票池为中证500，并剔除ST股票，剔除上市3个月内新股，获取的数据区间为20090101到20190101，回测区间为20140101到20190101。
2.特征和标签提取：每个自然月的第一个交易日，计算统计期的 39个因子暴露 度，作为样本的原始特征；计算下一整个自然月的个股超额收益（以中证500 指数为基准），作为样本的标签。
3.特征预处理：进行去极值、标准化、中性化操作。
 a) 中位数去极值