中信证券-房地产行业：房地产服务行业的熊市表现 专题研究

AI 全书内容总结

本资料为长江证券金融工程专题报告（2017年4月19日），是『大类资产配置』系列第二篇，探讨用机器学习预测股票资产的短期走势。报告先系统梳理资产配置体系：按周期与目标分为超长期、战略性、战术性、动态与保底资产配置五类，国内投资者关注较多的是战术性与动态配置。方法上，选取logistic（MNL）、BP人工神经网络（ANN）与支持向量机（SVM）三种模型，以估值、宏观、利率三大类共17个指标为输入，滚动训练预测2005年5月至2017年3月沪深300指数的月度涨跌。结果显示：训练期36个月的logistic模型表现最佳，二分类月度预测胜率最高约65%；四分类（按涨跌幅度细分）下胜率约64%且获得比二分类更高的超额收益；六分类因每类样本过少而效果不佳。将模型用于中证500与中证1000，四分类下超额收益分别约19.4%与19.2%；三指数等权组合加入趋势判断后夏普比率与Calmar比率显著提升，说明趋势判断加风格轮动能提高收益、平滑波动。报告提示最优模型仅针对所选样本，历史回测不代表未来收益。适合量化投资与机器学习应用方向的学习者阅读。