摘 要

本文在前人使用动量反转策略和GARP的多因子选股策略之上，将两种方法融合，为了解决多因子指标的复杂判断逻辑问题，引入支持向量机（SVM）进行决策，使模型拥有更好的自适应能力。

本文选取A股市场上全体股票为研究对象，使用2000年3月14日到2020年4月15日的历史数据和因子指标为样本，通过特定规则对股票进行分类，将股票按照收益率分成“优绩股”、“中绩股”和“劣绩股”三类。借助滚动向前模型对支持向量机（SVM）进行训练，之后进行模拟交易回测，最后依照得到的持仓数据算出策略的收益以及多种类评价指标。

研究结果表明，本策略能在样本区间获得稳定收益，复合年均增长率(CAGR)达30%、夏普比率为2.13；此外在出现经济周期弱势的时候能够最大程度地降低损失，最大回撤率为-0.27，平均回车幅度为-0.012，盈利年数占比为95%。

关键词：量化投资分析；动量反转效应；GARP；多因子选股策略

Abstract

Based on the predecessors' momentum reversal strategy and GARP' strategy, the two methods are merged in this paper,. In order to solve the complex judgment logic problem of multi-factor indicators, support vector machine (SVM) is introduced to make decisions, so that the model has Better adaptability.

This article uses the historical data and factor indicators from March 14, 2000 to April 15, 2020 as samples, classifies the stocks through specific rules, and divides the stocks according to the return rate. Three categories are "excellent performance stocks", "middle performance stocks" and "inferior performance stocks". The support vector machine (SVM) is trained with the help of a rolling forward model, and then backtesting of simulated transactions is conducted. Finally, the strategy's returns and various evaluation indicators are calculated according to the obtained position data.

The research results show that this strategy can obtain stable returns in the sample interval, with a compound annual growth rate (CAGR) of 30% and a Sharpe ratio of 2.13; in addition, when the economic cycle is weak, the loss can be minimized and the maximum withdrawal rate It is -0.27, the average carriage return is -0.012, and the percentage of profit years is 95%.

Key Words：Quantitative investment analysis; momentum reversal effect; GARP; multi-factor stock selection strategy

目 录

第1章 绪论 1

1.1 研究背景及意义 1

1.1.1 研究背景 1

1.1.2 研究意义 1

1.2 国内外研究概况 1

1.3 论文结构 3

1.3.1 论文的技术路线 3

1.3.2 论文的结构 4

第2章 SVM的理论基础 5

2.1 统计学习在alpha多因子选股策略中的理论和应用 5

2.1.1 VC维 5

2.1.2 推广性的界 5

2.1.3 结构风险最小化原理 6

2.2 支持向量机理论 6

2.2.1 非线性支持向量器 6

第3章 基于SVM的alpha多因子选股模型和数据预处理 8

3.1 数据的处理流程介绍 8

3.2 数据来源及因子介绍 8

3.3 数据去极值（winsorize）和归一化 10

3.4 训练集与测试集划分 11

3.5 回测结果处理方法介绍 12

3.6 评价指标介绍 13

第4章 基于SVM的alpha多因子选股模型的实证分析 14

4.1 多因子选股模型的实证结果分析 14

4.2 按行业分类的实证结果分析 19

第5章 总结与展望 21

绪论

研究背景及意义

研究背景

从股票诞生的第一天起，投资者为了从股票中获取更大的收益，想尽了无数的办法，甚至建立起了金融市场理论来对它进行研究。而在上个世纪，基本面流派与技术流派都是极为优秀的股票价格分析方法。随着计算机科技的迅猛发展，借助计算机来对股票进行分析与交易的流派——量化派，逐渐兴起。尽管量化投资在国内已经发展了近半个世纪，但是由于我国的起步较晚，发展时间较短。量化投资目前尽管已经被一些国内的金融机构和学术研究机构采纳与使用，但是并未向国外那样全面铺开。

尽管国内的A股市场还处于个人投资者占大多数，个人投资者投资观念老旧落后，个人投资者的投资分析手段匮乏甚至是没有的状态下，但是国内A股中的量化投资也在悄然铺开，不声不息地开始发展。优秀的量化投资者和投资机构仍能够在市场中发掘到超额收益alpha的机会。

研究意义

随着中国股票市场的不断发展，量化投资的重要性也在日趋提升。目前我国市场上的量化金融产品占比远小于美国市场，仍有较大市场潜力。

随着我国经济实力的不断增长，金融市场上的产品种类也在逐渐丰富，新出现的量化投资类别的基金如雨后春笋一般产生。就目前的量化投资机构而言，当前的量化策略都是为机构或者是大基金等量身定制，而我国股市中还有大量普通个人投资者，机构投资者相对个人而言拥有更多的信息资源和人力资源。所以，能够帮助广大普通个人投资者将其手中的传统选股工具和难以实践的技术手册替换为更加易用的量化投资策略工具后，能够极大地提升个人投资者的选股勘察范围，还能够提升个人投资者的信息利用率，帮助投资者发现潜在的危机，提高最终的收益。

国内外研究概况

Hon 等人^[1]，于2003年，通过使用利用短期股票价格走势的可预测性的交易策略来调查异常收益的存在。根据迄今为止研究过的英国股票市场中最大的一组单独证券的历史收益，本文确定了在1955-96年期间可赚钱的动量交易策略作为投资工具。结果表明，不能通过简单调整beta风险来解释交易策略的收益。同样，尽管发现了英国股市规模效应的一些证据，但这种现象无法解释动量利润。该论文发现，这些有利可图的投资策略在1977-96年的子样本中很明显，与Liu等人的观点一致。但是，它们在1955年至76年早期并不存在。这意味着动量并不是英国股票市场的普遍特征，而是仅在特定时期内才可见。

Chelley-Steeley 等人^[2]，于2008年，检验动量盈利能力与股票市场交易机制之间的关系，并受伦敦证券交易所交易系统最近变化的推动。自1975年以来，伦敦股票市场采用了三种不同的交易系统：基于场的系统，称为SEAQ的计算机经销商系统和自动拍卖系统SETS。由于每种新的交易系统都降低了执行成本，因此，人们可能会先验地预计，随着交易系统的每次修订，动量利润的数量都会下降。但是，发现相反的经验结果，表明在自动系统上交易的股票产生的动量利润要比在场内系统上交易的股票要高，而在SETS系统上交易的公司则比在SEAQ上交易的公司表现出更大的动能利润。

Liu 等人^[3]，于2011年，发现52周的高点是对未来回报的更好预测。个人主义指数是过度自信水平的代名词，对于不同市场的52周高动量利润的变化没有解释力。但是，一旦考虑到交易成本，在大多数市场中利润不再可观。

Nguyen 等人^[4]，于2010年，通过考察动量组合的利润，该研究发现了越南股市的短期动量效应。然而，按特定时期，按规模进行的进一步测试显示，在控制风险之后，动量利润表现不佳。该研究还通过争论动量利润的某些来源（例如市场状况和投资者的行为）来解释业绩不佳。

Hodnett 等人^[5]，于2012年，研究试图确定销售增速高于平均水平的股票，其交易价格是销售价格的平均倍或低于平均价格的倍数。随后分析它们相对于纯增长投资组合的绩效。使用相对于上个月，上一年，历史低点和历史高点的历史增长率的变化量作为增长潜力的度量，并用销售价格倍数作为股票价格合理性的度量，构建了在2000年1月1日至2010年3月31日期间，台湾证券交易所的合理价格（GARP）投资组合。研究结果表明，在整个审查期间，GARP组合的表现均优于同类纯增长组合。从纯粹的成长型股票选择技术切换到GARP选择技术时，从收益提高，风险降低和Sharpe比率提高方面衡量的GARP增量贡献在整个审查期内都很显着。

Teplova 等人^[6]，于2015年。根据以前的研究，可以得出结论，日本市场是发达资本市场发现的例外（动量效应没有出现或微弱）。研究突出了标准概念的局限性。记录了动量的条件性质，并确定了公司及其股票和市场状态的特征，使投资者可以在日本市场上获得正的动量利润（统计上显着的零成本投资组合的月度正收益率不少于1％）。结果表明，投资者应考虑季节性模式（对于日本股市，建议不要进行投资活动的两个月时间），以增加投资组合的利润。将从日本财务和治理系统的细节，日本上市公司的所有权结构以及社会文化因素来解释结果。

Vo 等人^[7]，于2018年，通过检验越南股市的动量假设来弥合文献中的差距。 尤其是，使用从2007年6月至2015年10月在胡志明市证券交易所上市的公司样本解决了动量策略是否产生利润的问题。发现动量效应存在于越南股票市场。具体而言，发现，投资者基于前6个月选择投资组合并持有9个月的策略产生了可观的利润。

Lim 等人^[8]，于2018年，记录了从1927年到2017年在美国市场上个别股票产生的强烈的时序动量效应。时序动量并不特定于子时期，公司规模，形成期和持有期的长短或地理市场。控制标准风险因素后，效果仍然存在。时间序列动量效应取决于市场状况，成分股信息的离散性和投资者的情绪。提出了两种替代方法，即修订的时间序列动量和双重动量，它们产生的利润甚至比标准时间序列动量还要高。

Lin 等人^[9]，于2019年，发现基于股票的残差而不是原始的过去收益将股票分类为投资组合，可以在中国股票市场产生可观的利润，并且不能被完善的因素模型所包含。此外，剩余动量利润在长期内（最多三年）不会逆转，从而支持了投资者反应不足的假设。进一步的分析表明，剩余动量是在股票收益的横截面中定价的，而发现Carhart（1997）的动量因子对于描述平均股票收益是多余的。

论文结构

在此前的研究中，研究者通常会使用较为单一的指标，比如动量反转指标^[10-12]，亦或者是单纯的财务指标来进行选股，如总经理薪酬因子、市销率、量比和区间换手率等^{[13, 14]}。虽然有时能够取得不错的效果，但未必能够有足够强的风险减弱能力，倘若能将多种指标综合决策，应该会提升之前的收益。但是但指标增多之后，新的问题又凸现出来，该如何完成多指标下的决策问题？也就是在众多指标的信息反馈之下，该如何编写一个程序逻辑，让其在种种指标发生变化的情况下，完成盈利最大化的决策？

除此之外，由于我国A股股市的交易制度采取“T 1”，所以前人文献中，比较常见的是按照周，甚至按照月，季度来对选中的股票做一个持仓操作。股票市场上的行情是瞬息万变的，稍有不慎，就会造成极大的亏损。

论文的技术路线

图 1.1 论文技术路线

论文的结构

第1章：绪论。尽管国外的量化投资领域已经发展了三十多年，量化投资的比例逐年攀升，采用的量化投资理念也在逐年更迭，但是国内该方面的研究依旧处于蹒跚学步状态。本文结合动量反转策略与GARP模型，借助SVM完成多因子决策，搭建起一个适合我国投资者的量化投资框架，并且阐述了选题的意义。