■中高频机器学习再出发：区别于传统的主观规则交易，机器学习模型可以挖掘出更多的非线性模式。我们设计的集合分类回归策略采用XGBoost机器学习模型，并使用集合学习对机器学习模型进行融合来预测日内涨幅。
■日内涨幅影响因子：我们共挖掘出15个因子：隔夜涨幅，集合竞价阶段第一阶段涨幅，集合竞价阶段成交金额占比，第一阶段委比变化，第二阶段委比变化，第二阶段涨停和第二阶段持续上行与日内涨幅有正向影响；集合竞价阶段第二阶段涨幅，集合竞价阶段成交金额占当天总成交金额的比例，第一阶段涨停，第二阶段的委买一价，委卖一价均值的平均值，第二阶段的委买一价，委卖一价均值的最大值，第二阶段的委买一价，委卖一价均值的最小值，第二阶段持续下行和第二阶段的委买一价，委卖一价均值的变化比率与日内涨幅有负向影响；第二阶段的委买一价，委卖一价均值的绝对变化值与日内涨幅影响因子有着周期性变化的关系。
■集合分类回归T+0 交易策略：将分类模型与回归模型进行组合，选取每日信号强度前2%作为开仓信号；以开盘价等权重买入，持有至收盘卖出，在双边千分之二的交易成本下，集合分类回归策略样本外（2019.1-2019.10）表现：胜率 57.24%，年化收益率130.2%，夏普比率 4.31和最大回撤 18.9%。每日持有个股数量最大值，中位数和最小值分别为6只，3只和1只。
-实习生王深对该报告有重大贡献
■风险提示：
根据历史信息及数据构建的模型在市场急剧变化时可能失效。
2. 规则交易与机器学习量化交易的区别
规则交易是按照制定的规则进行交易的方法。规则，包含着应对未来行情发展不确定性的计划以及依据应对计划而制定的可操作的交易系统。通常来说，规则是基于单因子测试后对于有效因子进行有经验性的组合；机器学习量化交易是采用数据驱动模式进行数据挖掘的，因此机器学习量化交易更加客观。同时，机器学习量化交易对于非线性数据的解释性更好，更加符合股票市场的规律。
3. 集合竞价规则
1. 集合则
集合竞价是指对在规定的时间内接受的买卖申报一次性集中撮合的竞价方式。集合竞价时成交价格的确定原则如下：
1.价格范围内选取成交量最大的价位。
2.高于成交价格的买进申报与低于成交价格的卖出申报全部成交。
3.价格相同的买方或卖方至少一方全部成交。
两个以上价位符合上述条件的，上海证券交易所规定使未成交量最小的申报价格为成交价格。若仍有两个以上申报价格符合条件，取其中间价为成交价格。深圳证券交易所取距前收盘价最近的价位为成交价。
4. 日内涨幅影响因子
1. 集合则
我们将收盘价相对开盘价的涨幅定义为日内涨幅，寻找开盘集合竞价时段可能会对日内涨幅 有影响的因子，如下所示：
因子 1 ：隔夜涨幅，即开盘价相对前收盘价的涨幅。
因子 2 ：第一阶段（9:15-9:20）涨幅；
因子 3 ：第二阶段 （9:20-9:25）涨幅；
因子 4 ：集合竞价阶段成交金额占比；
因子 5 ：第一阶段是否涨停 ；
因子 6 ：第二阶段是否涨停
因子 7 ：第二阶段价格是否平稳上升。
因子 8 ：第一阶段委比变化（（ 9:20 的委比-9:15 的委比）/9:15 的委比。）
因子 9 ：第二阶段委比变化（（ 9:25 的委比-9:20 的委比）/9:20 的委比。）
因子 10 ：集合竞价阶段成交金额占当天总成交金额的比例；
因子 11 ：第二阶段的委买一价，委卖一价均值的平均值；
因子 12 ：第二阶段的委买一价，委卖一价均值的最大值；
因子 13 ：第二阶段的委买一价，委卖一价均值的最小值；
因子 14 ：第二阶段的委买一价，委卖一价均值的绝对变化值；
因子 15 ：第二阶段的委买一价，委卖一价均值的变化比率。
5. 机器学习模型
1. 集合则
5.1. XGBoost 模型
XGBoost 模型是一种基于 boosting 树模型，树模型可以更好的找到非线性关系，树形模型 更加接近人的思维方式，可以产生有效的分类规则。我们采用两种形式来建模，分别为使用 XGBoost 模型对日内涨幅进行回归和使用 XGBoost 模型对日内涨幅分类建模，之后根据运用传统的 Kfold 与安信金工《机器学习与量化投资之二：避不开的那些事》中的推进分析训 练上述两种模型。根据 XGBoost 进行特征选择筛选出合适的特征；最后，使用贝叶斯优化 对模型进行参数调节。
5.2 数据集
我们将数据集分为样本内和样本外两部分，样本外数据为 2015.1-2018.12, 样本外数据为 2019.1-2019.10。我们对于样本内采取 Kfold 和推进分析模式进行模型训练。Kfold 可以保证 充足的数据量，但是在训练集当中可能用到未来函数（注意在全局回测中还是样本外数据）， 不过由于市场的复杂性和不确定性，我们假设每一折（Fold）的数据有着较好的独立性；推 进分析模式虽然避免了用到未来函数，但是由于前期训练数据量较小，因此会影响到模型的 准确性和稳定性。
5.3. XGBoost 回归模型
XGBoost 回归模型直接对日内涨幅进行回归值预测，我们建立 XGBoost 分类模型对日内涨 幅进行分类预测，输出预测的日内涨幅。训练模式为 Kfold 和推进分析，评价指标为平均绝 对误差(Mean Absolute Error)。
5.3.1 XGBoost 回归模型特征选择
我们根据 XGBoost 回归模型在 Kflod 中输出的特征重要度进行特征选择，首先我们剔除相关 度较高的因子，之后将低相关性的因子放入 XGBoost 模型中根据重要度进行因子筛选。经 过大量实验剔除因子 5：第一阶段是否涨停，因子 6：第二阶段是否涨停和因子，因子 7 第 二阶段价格是否平稳上升，因子 12 ：第二阶段的委买一价，委卖一价均值的最大值，因子 13 ：第二阶段的委买一价，委卖一价均值的最小值和因子 14 ：第二阶段的委买一价， 委卖一价均值的绝对变化值。我们将其他 10 个因子全部选入 XGBoost-Kflod 回归模型中进行训练。
5.3.1.1. XGBoost-Timesplit 回归模型特征选择
我们根据 XGBoost 分类模型在推进分析中输出的特征重要度进行特征选择，首先我们剔除 相关度较高的因子，之后将低相关性的因子放入XGBoost模型中根据重要度进行因子筛选。经过大量实验剔除因子 5：第一阶段是否涨停，因子 6：第二阶段是否涨停和因子，因子 11 ：第二阶段的委买一价，委卖一价均值的平均值和因子 14 ：第二阶段的委买一价，委卖一价 均值的绝对变化值
5.3.2. XGBoost 回归模型评价
XGBoost 回归模型采用平均绝对误差（MAE）作为评价指标，平均绝对误差值越小证明模型 的稳定性越好。我们发现 Kfold 训练结果在训练集上表现没有推进分析的训练集表现结果好， 但是袋外表现上 Kfold 的训练表现优于推进分析。两种训练方式比起来 Kfold 在训练集和测 试集表现出来的一致性高于推进分析。
5.3.3. XGBoost 回归 T+0 策略
我们的股票选择是中证 500 的成份股，回测时间区间为 2019.1-2019.10。我们根据 XGBoost-Kflod回归模型和XGBoost-Timesplit回归模型选取每天概率值从大小排列前1%的 股票作为开仓信号。
5.3.4. 策略表现
5.4. XGBoost 分类模型
我们对日内涨幅进行转换，日内涨幅小于等于零的设置为 0，大于零的设置为 1；之后，我 们建立 XGBoost 分类模型对日内涨幅进行分类预测，输出预测的概率值。训练模式为 Kfold 和推进分析，评价指标为 AUC（Area Under Curve）
5.4.1. XGBoost 分类模型特征选择
5.4.1.1. XGBoost-Kflod 分类模型特征选择
我们根据 XGBoost 分类模型在 Kflod 中输出的特征重要度进行特征选择，首先我们剔除相关 度较高的因子，之后将低相关性的因子放入 XGBoost 模型中根据重要度进行因子筛选。经 过大量实验剔除因子 5：第一阶段是否涨停，因子 6：第二阶段是否涨停和因子，因子 11 ：第二阶段的委买一价，委卖一价均值的平均值和因子 14 ：第二阶段的委买一价，委卖一价 均值的绝对变化值。
5.4.1.2. XGBoost-Timesplit 分类模型特征选择
我们根据 XGBoost 分类模型在推进分析中输出的特征重要度进行特征选择，首先我们剔除 相关度较高的因子，之后将低相关性的因子放入XGBoost模型中根据重要度进行因子筛选。经过大量实验剔除因子 5：第一阶段是否涨停，因子 6：第二阶段是否涨停和因子，因子 11 ：第二阶段的委买一价，委卖一价均值的平均值和因子 14 ：第二阶段的委买一价，委卖一价 均值的绝对变化值。
5.4.2. XGBoost 分类模型评价
XGBoost-Kflod 分类模型在第一次训练（Fold 1）时候的 AUC 大于 XGBoost-Timesplit 分类 模型在第一次训练，我们认为是由于训练集的数据大小决定的。XGBoost-Kflod 分类模型第 一 次 数 据 大 小 为 XGBoost-Timesplit 分 类 模 型 在 第 一 次 训 练 的 4 倍 ， 伴 随 着 XGBoost-Timesplit 分类模型训练次数和数据量的增多，二者的 AUC 值趋于相近。在观察 XGBoost-Kflod 分类模型袋外 AUC 与袋内 AUC，我们发现两者 AUC 值相近；然而在 XGBoost-Timesplit 分类模型上出现了过拟合的情况，我们分析原因是训练过程中前 4 个 fold 的样本数量不足，而使用贝叶斯调参的迭代次数是按照全样本设计的，因此在使用全样本的 调参强度去训练前几个 Fold 时可能存在过拟合，最终导致模型的泛化能力较差。虽然，该 方法由于舍弃了未来数据导致训练数据不足泛化能力下降，但是减少未来函数的对于过去的 影响。
5.4.3. XGBoost 分类 T+0 策略
我们的股票选择是中证 500 的成份股，回测时间区间为 2019.1-2019.10。我们根据 XGBoost-Kflod分类模型和XGBoost-Timesplit分类模型选取每天概率值从大小排列前1%的 股票作为开仓信号
5.4.4. 策略表现
5.5. 单模型 T+0 策略总结
我们将从模型类型和训练方式两个方面进行分析。在模型类型上来看回归模型在年化收 益率，夏普比率和盈亏比上的表现好于分类模型，但是分类模型的胜率好于回归模型。从训 练方式上来看，Kfold 的模型胜率，夏普比率和年化收益率上好于推进模式。
6. 集合学习 T+0 策略
在机器学习的有监督学习算法中，我们的目标是学习出一个稳定的且在各个方面表现都较好 的模型，但实际情况往往不这么理想，有时我们只能得到多个有偏好的模型（弱监督模型， 在某些方面表现的比较好）。集合学习就是组合这里的多个弱监督模型以期得到一个更好更 全面的强监督模型，集合学习潜在的思想是即便某一个弱分类器得到了错误的预测，其他的 弱分类器也可以将错误纠正回来。
在之前的分析中，我们分析过回归模型和分类模型的优缺点，Kfold 和推进模式的优缺点， 这些优缺点可以通过集合学习来进行相互的补偿。因此我们将对多种模型进行组合后形成更 加优质的策略。根据在验证集上的表现，我们选出如下的策略：
⚫ 集合分类策略：我们对两个表现最好的子分类机器学习 T+0 策略（采取 Kfold 和推进模 式训练的模型）进行几何加权集合学习选取集合学习后每日信号强度前 1%的作为开仓 信号
⚫ 集合分类回归策略：我们将集合分类模型与回归模型进行组合选取每日信号强度前 2% 的取交集作为开仓信号。
集合分类回归策略是我们设计出的最终策略，该策略融合回归模型的高年化收益和分类模型 的高胜率。集合分类回归模型如下：
7. 集合学习 T+0 策略表现
在胜率上，分类子模型模型高于回归模型，集合学习模型继承了分类子模型模型的高胜率。同时，在样本外的年化收益率和盈亏比上也继承了回归策略的优点。集合策略并没有减少最 大回撤，但是从夏普比率上来说集合分类回归策略还是优于子模型。
若按单利和双边千分之二计算，集合分类回归策略胜率 57.24%，年化收益率 130.2%，夏 普比率 4.32 和最大回撤 18.9%。每日持有个股数量最大值，中位数和最小值分别为 6 只， 3 只和 1 只。
8. 交易成本敏感性分析
我们将交易成本设置成双边千分之二和双边千分之一点二，来进一步观测该策略对于交易成 本的敏感性。
⚫ 若按单利和双边千分之二计算，集合分类回归策略胜率 57.24%，年化收益率 130.2%， 夏普比率 4.32 和最大回撤 18.9%。每日持有个股数量最大值，中位数和最小值分别为 6 只，3 只和 1 只。
⚫ 若按单利和双边千分之一点二计算，集合分类回归策略胜率 57.24%，年化收益率 157.6%，夏普比率 5.24 和最大回撤 18.92%。每日持有个股数量最大值，中位数和最 小值分别为 6 只，3 只和 1 只。
交易成本的变化给该策略的年化收益率带来了较大的影响，如果双边成本为双边千分之一点 二，集合分类回归策略年化收益率将提升 21%，夏普比率将从 4.32 提升至 5.24，提升幅度 21.3%。因此，我们需要严格地控制交易成本，尽可能以接近开盘价的价格买入，收盘价的 价格卖出。
9. 单因子测试和分组测试
我们通过分组法和 IC 法来评估因子的有效性，其中 IC 法是以交易日为单位，计算日内涨 幅与去极值、标准化后的因子值之间的秩相关系数（Rank IC），分组选用 IC 值前百分之十 的做多，选用 IC 值后百分之十的做空。本节中单因子测试过程不考虑交易成本，数据集为 中证 500 的成份股，时间区间为 2015.1-2019.10。
9.1. 隔夜涨幅
日内涨幅与隔夜涨幅呈现负相关性，因子 Rank IC 均值为-0.078，Rank IC 标准差为-0.082。隔夜上涨的日内平均做空收益 0.33%，隔夜上涨的日内平均做多收益 -0.03%。
9.2. 第一阶段涨幅
日内涨幅与第一阶段涨幅呈现负相关性，因子 Rank IC 均值为-0.02，Rank IC 标准差为 0.061。第一阶段涨幅的日内平均做空收益 0.23%，第一阶段涨幅的日内平均做多收益 0.06%。
9.3. 第二阶段涨幅
日内涨幅与第二阶段涨幅呈现正相关性，因子 Rank IC 均值为 0.053，Rank IC 标准差为 0.083。第二阶段涨幅的日内平均做空收益 0.15%，第二阶段涨幅的日内平均做多收益 0.44%。
9.4. 集合竞价阶段成交金额占比
我们采用集合竞价阶段成交金额比上过去五日日均成交金额，日内涨幅与集合竞价阶段成交 金额占比呈现负相关性，因子 Rank IC 均值为-0.019，Rank IC 标准差为-0.103。集合竞价 阶段成交金额占比的日内平均做空收益 0.14%，集合竞价阶段成交金额占比的日内平均做多 收益 0.09%。
9.5. 第一阶段是否触及涨跌停
由于第一阶段可以撤单，该阶段股价是否触及涨跌停在一定程度上反映了主力的试盘行为。触及涨停的个股平均日内收益-0.03%，触及跌停的个股平均日内收益 0.2%，未触及涨跌停 的个股平均日内收益 0.20%。因此，该阶段涨跌停有较大概率是主力的吸筹行为。
9.6. 第二阶段持续上行/ 下行
我们结合第二阶段特有的无法撤单的特性，设计形态学特征。我们将持续上行定义为第二阶 段每一个 tick 的价格都是上涨或者与前一个 tick 价格持平；持续下行定义为第二阶段每一个 tick 的价格都是下降或者与前一个 tick 价格持平；第二阶段价格持续上行的个股平均日内收 益 0.22%，持续下行的个股平均日内收益-0.03%，持续上行的个股日内表现远好于持续下 行的个股。
9.7. 第一阶段委比变化
委比可以很好的监控集合竞价阶段买卖双方的意图，因此我们定义如下的公式来定义委比：
⚫ 买量和=买一价的委托量+买二价的委托量+买三价的委托量
⚫ 卖量和=卖一价的委托量+卖二价的委托量+卖三价的委托量
⚫ 委比=(买量和-卖量和)/(买量和+卖量和)*100%
我们采用 9:20 的委比值减去 9:15 的委比值，之后除以 9:15 的委比值。日内涨幅与第一阶段 委比变化呈现正相关性，因子 Rank IC 均值为 0.026，Rank IC 标准差为 0.05。第一阶段 委比变化的日内平均做空收益 0.097%，第一阶段委比变化的日内平均做多收益 0.2%。
9.8. 第二阶段委比变化
日内涨幅与第二阶段委比变化呈现正相关性，因子 Rank IC 均值为 0.051，Rank IC 标准 差为 0.052。第二阶段委比变化的日内平均做空收益 0.039%，第二阶段委比变化的日内平均做多收益 0.27%。
9.9集合竞价阶段成交金额占当天总成交金额的比例
日内涨幅与集合竞价阶段成交金额占当天总成交金额的比例呈现负相关性，因子 Rank IC 均 值为-0.013，Rank IC 标准差为 0.09。集合竞价阶段成交金额占当天总成交金额的比例的日 内平均做空收益 0.091%，集合竞价阶段成交金额占当天总成交金额的比例的日内平均做多 收益 0.15%。
9.10第二阶段的委买一价，委卖一价均值的平均值
由于集合竞价阶段并没有实际成交价格，因此我们采用委买一价，委卖一价的平均值看成实 际成交价格， 之后计算出第二阶段整体的平均值。日内涨幅与第二阶段的委买一价，委卖 一价均值的平均值呈现负相关性，因子 Rank IC 均值为-0.023，Rank IC 标准差为 0.149。第二阶段的委买一价，委卖一价均值的平均值的日内平均做空收益 0.073%，第二阶段的委 买一价，委卖一价均值的平均值的日内平均做多收益 0.23%。
9.11. 第二阶段的委买一价，委卖一价均值的最大值
由于集合竞价阶段并没有实际成交价格，因此我们采用委买一价，委卖一价的平均值看成实 际成交价格， 之后计算出第二阶段整体的最大值。日内涨幅与第二阶段的委买一价，委卖 一价均值的最大值呈现负相关性，因子 Rank IC 均值为-0.023，Rank IC 标准差为 0.149。第二阶段的委买一价，委卖一价均值的最大值的日内平均做空收益 0.075%，第二阶段的委 买一价，委卖一价均值的最大值的日内平均做多收益 0.24%。
9.12. 第二阶段的委买一价，委卖一价均值的最小值
由于集合竞价阶段并没有实际成交价格，因此我们采用委买一价，委卖一价的平均值看成实 际成交价格， 之后计算出第二阶段整体的最小值。日内涨幅与第二阶段的委买一价，委卖 一价均值的最小值呈现负相关性，因子 Rank IC 均值为-0.023，Rank IC 标准差为 0.147。第二阶段的委买一价，委卖一价均值的最小值的日内平均做空收益 0.071%，第二阶段的委 买一价，委卖一价均值的最小值的日内平均做多收益 0.24%。
9.13第二阶段的委买一价，委卖一价均值的绝对变化
由于集合竞价阶段并没有实际成交价格，因此我们采用委买一价，委卖一价的平均值看成实 际成交价格， 之后计算出第二阶段整体的绝对变化值。日内涨幅与第二阶段的委买一价， 委卖一价均值的绝对变化值呈现负相关性，因子 Rank IC 均值为-0.017，Rank IC 标准差为 0.103。第二阶段的委买一价，委卖一价均值的绝对变化值的日内平均做空收益 0.23%，第 二阶段的委买一价，委卖一价均值的绝对变化值的日内平均做多收益 0.12%。
9.14. 第二阶段的委买一价，委卖一价均值的变化比率
由于集合竞价阶段并没有实际成交价格，因此我们采用委买一价，委卖一价的平均值看成实 际成交价格， 之后计算出第二阶段整体的变化比率。日内涨幅与第二阶段的委买一价，委 卖一价均值的变化比率呈现正相关性，因子 Rank IC 均值为 0.038，Rank IC 标准差为 0.08。第二阶段的委买一价，委卖一价均值的变化比率的日内平均做空收益 0.22%，第二阶段的委 买一价，委卖一价均值的变化比率的日内平均做多收益 0.29%。
10. 总结
盘前集合竞价阶段展示出市场对于股票的短期期望，因此我们挖掘出 15 个因子，基于 15 个 因子我们采用 Kfold 和推进分析的方法训练 XGBoost 子模型。最后，我们采用集合学习融合 回归模型高年化收益的优点和分类模型高胜率的优点构建出集合分类回归策略。同时，我们 进行交易成本的敏感性分析双边成本从千分之二变到双边千分之一点二，集合分类回归策略 年化收益率将提升 21%，夏普比率将从 4.32 提升至 5.24，提升幅度 21.3%。
我们设计出集合分类回归策略：我们运用集合学习将分类模型与回归模型进行组合，选取每 日信号强度前 2%作为开仓信号；以开盘价等权重买入，持有至收盘卖出，在双边千分之二 的交易成本下，集合分类回归策略样本外（2019.1-2019.10）表现：胜率 57.24%，年化收 益率 130.2%，夏普比率 4.31 和最大回撤 18.9%。每日持有个股数量最大值，中位数和最 小值分别为 6 只，3 只和 1 只。
-实习生王深对该报告有重大贡献
风险提示与免责声明
风险提示：
根据历史信息及数据构建的模型在市场急剧变化时可能失效。
免责声明
本报告仅供安信证券股份有限公司（以下简称“本公司”）的客户使用。本公司不会因 为任何机构或个人接收到本报告而视其为本公司的当然客户。本报告基于已公开的资料或信息撰写，但本公司不保证该等信息及资料的完整性、准确 性。本报告所载的信息、资料、建议及推测仅反映本公司于本报告发布当日的判断，本 报告中的证券或投资标的价格、价值及投资带来的收入可能会波动。在不同时期，本公 司可能撰写并发布与本报告所载资料、建议及推测不一致的报告。本公司不保证本报告 所含信息及资料保持在最新状态，本公司将随时补充、更新和修订有关信息及资料，但 不保证及时公开发布。同时，本公司有权对本报告所含信息在不发出通知的情形下做出 修改，投资者应当自行关注相应的更新或修改。任何有关本报告的摘要或节选都不代表 本报告正式完整的观点，一切须以本公司向客户发布的本报告完整版本为准，如有需要， 客户可以向本公司投资顾问进一步咨询。在法律许可的情况下，本公司及所属关联机构可能会持有报告中提到的公司所发行的证 券或期权并进行证券或期权交易，也可能为这些公司提供或者争取提供投资银行、财务 顾问或者金融产品等相关服务，提请客户充分注意。客户不应将本报告为作出其投资决 策的惟一参考因素，亦不应认为本报告可以取代客户自身的投资判断与决策。在任何情 况下，本报告中的信息或所表述的意见均不构成对任何人的投资建议，无论是否已经明 示或暗示，本报告不能作为道义的、责任的和法律的依据或者凭证。在任何情况下，本 公司亦不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。本报告版权仅为本公司所有，未经事先书面许可，任何机构和个人不得以任何形式翻版、 复制、发表、转发或引用本报告的任何部分。如征得本公司同意进行引用、刊发的，需 在允许的范围内使用，并注明出处为“安信证券股份有限公司研究中心”，且不得对本 报告进行任何有悖原意的引用、删节和修改。本报告的估值结果和分析结论是基于所预定的假设，并采用适当的估值方法和模型得出 的，由于假设、估值方法和模型均存在一定的局限性，估值结果和分析结论也存在局限 性，请谨慎使用。安信证券股份有限公司对本声明条款具有惟一修改权和最终解释权
联系客服
