论文部分内容阅读
Alpha套利是一种基于股票现货市场和股指期货两端反向操作,从而构建投资组合的交易策略,这种交易策略的好处是可以有效规避证券市场的系统性风险,从而在承担较小风险的情况下获得更加稳定的收益。随着沪深300股指期货的推出,我国股指期货市场得到巨大发展,量化投资技术在我国也发展迅速。在众多量化投资策略当中,基于机器学习的量化投资策略又是当下最为先进、潮流的一派。目前基于机器学习的选股策略研究的文章有很多,但是却没有文章将机器学习运用于Alpha套利策略投资组合的构建,本文是首先对于证券的Alpha值进行了重新定义,并在此基础上首次对机器学习运用于Alpha套利策略的可行性进行研究。现有的机器学习选股策略相关文章都是将股票的收益率作为唯一分类特征,训练学习器,从而将选股策略转化为一个二分类问题。而Alpha套利策略效果的好坏取决于两个方面:一是能否通过对冲有效规避证券市场的共有风险,二是对冲之后投资策略是否可以取得较高的收益率。这就决定了如果将机器学习运用于Alpha套利,决不能像现在已有的文献一样,仅仅考虑股票的收益率。所以本文的方法是在单因子回归模型的基础上重新定义了证券的α值,并试图运用机器学习模型构建新的证券α值定义下的Alpha套利策略投资组合。在本文的实证部分将基于不同方法选出不同的投资组合,并回测其有效性,根据不同方法的套利效果的对比对其进行评价,从而从真实市场的角度佐证机器学习在Alpha套利策略上的可行性,希望以此对投资者做出投资决策给予一定的帮助。