数字货币是时下投资界的热点,然而巨大的波动风险给投资者出了难题。多因子模型用一组多维度因子揭示了收益率的变化,为计量资产提供了方案。本文以数字货币的代表比特币为研究对象,组合金融中多因子模型与机器学习中岭回归、随机森林、GBR等回归模型,预测比特币的未来收益,旨在实现数字货币市场的多因子套利。本文以2017年7月1日至2019年3月5日的OKCoin国际交易所的时频率数据为样本,首先对数据预处理,分析数据分布特点,发现收益率右偏呈尖顶分布,具有趋势效应。其次划分样本数据,以2017年7月1日至2018年12月5日数据为训练集,2018年12月6至2019年3月5日数据为测试集。训练集内构建多因子策略,基于移动平均线、布林线、动量、真实振幅等30个指标建立因子池,采用回归法,基于最大回撤、夏普率和IC值验证单因子的有效性,根据因子热力图消除冗余因子,确定8个有效因子后,分别训练GBR等六种模型,并学习模型最优参数。测试集内预测比特币未来三个月的收益率。最后统计年化收益率、最大回撤等指标评价策略的有效性。实验结果显示:六种回归模型回测业绩均超越比特币真实收益率,非线性结构下的CART树、Ada boost算法、随机森林和GBR下回测效果明显优于线性结构的Lasso回归和岭回归,其中随机森林下预测准确率最高。不考虑交易成本下,随机森林下三个月累计收益率为1.0915%,年化收益率为4.43%,最大回撤只有14%,夏普率为6.68,而比特币同期实际累计收益率为-0.0475%。