详情描述

行业轮动系列（一）：基于相关性的行业轮动模型，计量经济+机器学习

虽然行业轮动建模不容易，但是办法总比困难多，作者尝试多种模型手段,发现从“轮动”的本意出发，即考察行业之间轮流上涨的现象也就是行业间的领先相关性，可以发现一些规律。相关性可能是由于行业间的经济联系导致的，也可能是由于微观个体的交易行为加总。当然，轮动的本质可能比这个复杂，复杂到无法研究，但是，作者认为投资无需抓本质，因为抓不到本质，投资只需要发现规律、总结规律、利用规律。本质抓不到，我们可以从现象出发，伟大哲学家胡塞尔告诉我们:现象反应本质。所以，不管是由于行业间的经济联系还是统计相关性，这个规律可以利用，我们就拿来进行行业收益预测。

本文模型思想简单，单纯利用其它行业的滞后月度超额收益来预测某行业超额收益。报告展示了利用adaptive lasso来揭示行业间的相关性情况。考虑该方法下R方较小，预测精度可能受影响，我们参考范剑青论文《Sufficientforecasting using factor models》( 参考文献1)中的模型来预测行业未来收益。其思想就是构造充分预测向量，因为单个行业的收益行为不足以解释某行业的行为，不代表多个行业的线性组合不能够解释。通过有监督降维，我们获得对某行业解释度更大的主成分一充分预测向量， 我们利用该向量来对行业未来.收益进行线性预测。

【更多详情，请下载：行业轮动系列（一）：基于相关性的行业轮动模型，计量经济+机器学习】