【基金】机器学习在主动权益选基策略中的应用初探——基金专题报告|渤海证券_新浪财经

　　炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

宋旸证券分析师

SAC No：S1150517100002

张笑晨研究助理

SAC No：S1150123060017

核心思想

当前基金FOF（基金中的基金）研究中，因子选基的主流方法主要从收益类指标、风险类指标、风险调整后收益指标、规模指标和超额收益等大类中选取与基金未来收益线性相关性较强的部分指标进行基金筛选。然而，在许多情况下，基金的上述指标与未来收益之间的线性相关性并不明显且不直观，因此，仅凭这些指标难以有效预测基金的未来收益。我们旨在探讨基金指标与未来收益之间是否存在可利用的非线性关系，基于此，我们考虑采用机器学习中的特征工程方法，挖掘基金基本信息与未来收益之间的相关关系。

策略构建

我们计划利用随机森林算法，通过基金的特征信息预测基金的未来收益，从而筛选优质基金。在特征选择上，共选取了14个基金特征用于预测，其中大部分特征基于基金的季度定期报告披露。为了有效利用这些特征，我们设定调仓频率为季频，每季度基金季报公布后进行调仓。

策略表现

我们基于随机森林模型每个报告期的预测结果，每期选择预测收益最高的10只基金构建基金组合，以等权方式计算组合收益，并以沪深300指数（代码：000300.SH）作为比较基准。样本期为2018/3/31 至2024/12/19，以两年（八个季度）为时间窗口来滚动构建训练集。在统计区间内，基金组合累计收益为28.67%，年化收益率为6.12%，与沪深300指数相比，累计超额收益达21.28%。

特征重要性

尽管每期各特征的重要性有所差异，但整体来看，通过随机森林模型评估各特征的重要性，结果显示多个特征均对模型的预测结果产生了显著影响。这表明，这些特征之间存在复杂的非线性关系，随机森林能够有效捕捉并利用这些关系进行基金收益预测。其中，信息比率（IR）、季度涨跌幅、季度最大回撤率、最大上涨幅度和基金资金流入率（flow）是对预测最为重要的五个特征。

本报告基于当前公开信息，存在市场风格转换风险，市场波动、投资分析意见所依据的关键预期不能成立的风险，信息时效性与完整性局限，不构成投资建议。

以上内容来源于渤海证券研究所2024年12月26日《渤海证券研究所晨会纪要》

重要提示：

通过本公众订阅号发布的观点和信息仅供渤海证券股份有限公司（以下简称“渤海证券”）客户中符合《证券期货投资者适当性管理办法》规定的专业投资者参考。因本订阅号暂时无法设置访问限制，若您并非渤海证券客户中的专业投资者，为控制投资风险，请您取消关注，请勿订阅、接收或使用本订阅号中的任何信息。对由此给您造成的不便我们表示诚挚歉意，感谢您的理解与配合！

本公众订阅号（微信号：gh_dac6364916ed）为渤海证券股份有限公司（以下简称“渤海证券”）研究所依法设立、独立运营的唯一官方订阅号。其他机构或个人在微信平台上以渤海证券研究所名义注册的,或含有“渤海证券研究”,或含有与渤海证券研究所品牌名称相关信息的其他订阅号均不是渤海证券研究所官方订阅号。

本订阅号所载内容仅面向符合《证券期货投资者适当性管理办法》规定的专业投资者。渤海证券不因任何订阅或接收本订阅号内容的行为而将订阅人视为渤海证券的客户。

本订阅号不是渤海证券研究报告发布平台,本订阅号发布的观点和信息均来自于渤海证券研究所已正式发布的研究报告,如需了解详细的证券硏究信息,请具体参见渤海证券研究所发布的完整报告。

渤海证券对本订阅号所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证。本订阅号中资料、意见等仅代表来源证券研究报告发布当日的判断，相关研究观点可依据渤海证券后续发布的证券研究报告在不发布通知的情形下作出更改。渤海证券的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本订阅号中资料意见不一致的市场评论和/或观点。