Adaboost算法

　　Adaboost是一種迭代算法,其核心思想是針對同一個訓(xùn)練集訓(xùn)練不同的弱分類器,尤其是對難以正確分類的數(shù)據(jù)重復(fù)進(jìn)行訓(xùn)練,然后把這些弱分類器集合起來,構(gòu)成一個更強(qiáng)的強(qiáng)分類器。其算法本身是通過改變數(shù)據(jù)分布來實(shí)現(xiàn)的,它根據(jù)每次訓(xùn)練集之中每個樣本的分類是否正確,以及上次的總體分類的準(zhǔn)確率,來調(diào)整每個樣本的權(quán)值,這樣使得難以正確分類的數(shù)據(jù)得到訓(xùn)練。將修改過權(quán)值的新數(shù)據(jù)集送給下層分類器進(jìn)行訓(xùn)練,最后將每次訓(xùn)練得到的分類器最后融合起來,作為最后的決策分類器。

　　選股實(shí)證

　　由Adaboost算法得到的強(qiáng)勢組合能夠跑贏市場,且強(qiáng)勢組合,市場指數(shù),弱勢組合之間的較為明顯的凈值差別,算法所構(gòu)造的組合具有明顯的區(qū)分度,類似我們也發(fā)現(xiàn)所有十檔組合之間都有一定程度間隔,說明算法具有有效性。

　　對比Adaboost方法的結(jié)果,回歸方法產(chǎn)生的組合從凈值數(shù)據(jù)上不管是強(qiáng)勢組還是弱勢組都是優(yōu)于Adaboost算法的。由回歸方法與Adaboost算法的凈值比圖來看,雖然兩種方法在回測期截止凈值相同,但回歸方法產(chǎn)生的組合最高凈值更高。當(dāng)然,可以發(fā)現(xiàn)的是,回歸法的波動明顯比Adaboost算法大,尤其有市場振蕩時期?；贏daboost算法的多因子模型在組合凈值的波動率水平上仍有亮點(diǎn)

　　Adaboost因子與傳統(tǒng)因子

　　從凈值曲線上看,考慮了因子大類后的算法選股組合的區(qū)分度更高。強(qiáng)勢組合與弱勢組合的凈值差異明顯

　　組合相對HS300指數(shù)的超額收益凈值曲線相對平穩(wěn),最大回撤發(fā)生在2014年12月,最大回撤為9%,而在此之前,超額收益的最大回撤為5%左右。從月超額收益上看,組合的月勝率超過50%,達(dá)到了56%,整體效果良好。

　　而對比弱勢組合的超額收益,多空策略的凈值波動更大,主要的回撤同樣發(fā)生在2014年底,但策略的勝率仍保持50%以上,達(dá)到58%。