• 机器学习模型表现与子样本区分 [page::3]

| 模型 | 全样本Roos^2(%) | 前70%大股 | 后30%小股 | SOE | 非SOE |
|------------|-----------------|----------|----------|------|--------|
| OLS + H | 0.81 | -0.89 | 1.33 | -0.06| 1.12 |
| LASSO + H | 1.43 | 0.55 | 2.74 | 0.85 | 1.64 |
| GBRT + H | 2.71 | -0.38 | 7.27 | 0.01 | 3.67 |
| NN4 | 2.49 | 0.47 | 5.50 | 1.30 | 2.92 |

- 小盘股及非国有企业的收益更易预测，机器学习模型（尤其是GBRT和神经网络）在小盘股上预测能力显著提升。
- 国有企业收益显示出较高的长期可预测性，神经网络模型优于其它机器学习方法。

• 年度预测能力提升及跨市场比较 [page::5]

- 年度样本外R^2整体高于月度，反映机器学习可以捕捉更持久的风险溢价。
- 中国小盘股月度预测能力是美国对应样本的10倍以上，国有企业和大股东股票年度预测能力优于小股东股票，凸显市场结构差异。

• 重要预测因子分析 [page::6][page::7][page::8][page::9]

- 流动性指标（如交易量波动、零交易日、异质性波动率）是最强预测因子，尤其在神经网络模型中权重显著。
- 基本面因子（估值、资产周转率变化等）是中国市场特有的重要因子，区别于美国市场以动量和趋势指标为主。
- 中国特有的异常周转率(atr)和趋势因子(ertrend)对短期投机性行为下的收益预测贡献较大。

• 模型优越性与选择 [page::8][page::9]

- 经典统计检验USPA难以区分模型性能，但条件优越预测能力CSPA测试显示NN4和NN5表现最佳，反映其稳健性与适应复杂非线性特征的能力。

• 投资组合构建与表现分析 [page::11][page::12][page::13]

- 神经网络和VASA模型构建的多空及多头组合均显著跑赢基准沪深300指数。
- 2015年股市崩盘期间和2020年疫情冲击阶段表现依然稳健。
- 排除小盘股后，策略表现有所下降但仍优于传统模型。

• 国有企业策略表现突出 [page::13]

- 国有企业股票多空策略夏普比率提升显著，风险回撤相对小盘股更低，缓解了因信息不透明引发的崩盘担忧。

• 交易成本与市场容量考虑 [page::14][page::15]

- 交易成本约在10-25个基点，包含佣金、印花税及滑点。
- 即便假设最高80个基点的往返交易成本，策略仍具备显著正收益和经济意义的夏普比率。

• 日限价格规则影响有限 [page::15][page::16]

- 价格涨跌幅限制对月度策略回报影响微弱，策略夏普比率下降有限，表现稳定。

• 量化策略核心逻辑说明 [page::3][page::11][page::17]

- 构建包含宏观经济变量与多维股票特征的高维特征空间（1160维），运用多层神经网络等机器学习技术提取复杂非线性关系。
- 通过严格样本外测试及统计检验，验证模型预测能力和稳定性。
- 投资组合按预测收益分层构建，结合市场现实的交易限制，证实策略在中国特定市场环境下的有效性。

机器学习在中国股市的有效性研究报告详尽分析

---

1. 元数据与报告概览

• 报告标题：《揭秘机器学习在中国市场的有效性》

- 作者/发布机构：高智威，东兴证券研究所金融工程团队

• 发布时间：2022年1月17日

- 研究文献：主要基于Markus Leippold, Qian Wang, Wenyu Zhou的论文《Machine learning in the Chinese stock market》(2021)

• 主题聚焦：探索机器学习在中国股市的预测能力，比较其与美国市场的不同表现，解析机器学习模型所挖掘的重要因素及投资组合绩效

本报告是东兴金融工程团队“海外文献速览系列”中的第十四篇，旨在快速提炼国际尖端研究成果，帮助投资者高效吸收海外经验并推动其应用于中国市场。

核心论点集中在机器学习模型尤其是神经网络和VASA模型，在中国市场呈现出高度的股票收益可预测性，尤其是在散户主导、小市值股票和国有企业上。流动性相关因子是最重要的预测变量，基本面因子居次，传统趋势指标作用不大，明显区别于美国市场。虽然卖空难以实施，但仅做多策略依然表现出显著经济意义的超额收益。模型回测显示，机器学习选股法在大部分时间跑赢沪深300指数。[page::0,1,16]

---

2. 逐节深度解读

2.1 研究背景与文献基础（1章节）

• 目的：验证机器学习方法及其在美国市场获得的实证成果能否迁移至具有结构性差异的中国股市。作者基于中国市场散户多、国企多、流动性和交易限制等独特市场特征，采用机器学习来改进对股票收益的预测。

- 文献连接：承接Gu等(2020)工作，使用广泛机器学习工具分析资产定价和市场风险溢价动态，展开对模型在中国市场表现的探索。[page::0,1]

2.2 数据样本与方法论（2章节）

• 数据范围：2000年1月至2020年6月，涵盖3900余只沪深A股；使用Wind和CSMAR数据库获得股票收益及季度财报数据，结合中国一年期国债作为无风险利率。

- 特征工程：
- 共构建94个股票预测特征（86个通用，4个中国特定因子，4个所有权二元因子）
- 11个宏观经济预测变量，包括股息价格比、市盈率、波动率、通胀率、M2增长率等
- 将所有连续特征映射至[-1,1]
- 引入行业虚拟变量共80个

• 模型结构与训练：

- 预测目标为未来月度超额收益，通过 $r{i,t+1} = Et[r{i,t+1}] + \epsilon{i,t+1}$ 表达，预测函数形式 $Et[r{i,t+1}] = g(z{i,t})$
- 传统线性回归(OLS，OLS-3)、降维和正则化模型(PLS、LASSO、Enet)、树模型(GBRT、RF)、VASA、以及1至5层神经网络（NN1-NN5）
- 采用Huber损失函数增强鲁棒性
- 数据划分为训练(2000-2008)、验证(2009-2011)、测试(2012-2020)
- 模型每年再训练调整，保证时间序列完整性和阻止数据泄漏

这种严谨的数据准备和多模型比较方法确保了研究结果的科学性和可复现性。[page::1,2]

2.3 样本外预测能力实证（3章节）

2.3.1 样本外预测能力整体表现

• 指标使用：非贬损样本外 $R^{2}{oos}$ 衡量预测能力

- 对比美国市场数据，中国股市的$R^{2}{oos}$明显更高
- 线性OLS模型在全样本为正0.81%，美国市场同期为负-3.46%
- 正则化模型LASSO和Enet达到1.4%+
- 树模型和神经网络能实现超过2%的$R^{2}{oos}$ ，最高达到7.27%（GBRT，针对小市值股票）

• 预测能力在小市值、小股东和非国有企业子样本中显著提高，而国企大型股票短期表现相对较弱

- 多层神经网络表现逐层提升但超过4层后边际效应递减

作者指出，这种差异与中国股市高度散户化、国企资金集中以及做空限制明显相关。[page::2,3,4]

2.3.2 子样本异质性分析

• 小股票（市值后30%）相比大股票表现出明显更好的预测能力，尤其是通过机器学习模型提升幅度巨大

- 股东平均市值低的股票样本表现与小股票类似，推断散户主导影响显著

• 国企与非国企样本比较显示，国企预测能力虽整体较低，但神经网络模型表现尤为突出，反映出国企回报中的非线性复杂结构

- 年度层面预测分析显示，长周期内大股票和国企的可预测性优于小股票，表明短期内散户行为主导波动，长周期则体现基本面和政策影响

此外，2018年之后因中美贸易战引发的系统性冲击显著降低了模型表现，暗示机器学习模型对突发宏观风险的敏感性。[page::4,5]

2.3.3 重要预测因素识别（3.2节）

• 宏观经济变量：

- 流动性活动水平指标ntis、通胀率infl、市盈率ep等宏观指标重要
- 不同模型重视特征不同，PLS偏爱ntis，惩罚线性模型偏爱账面市值比bm，树模型更能捕获非线性交互

• 股票特征：

- 以流动性变量stddolvol、zerotrade(无交易日)、ill(流动性指标)为最重要
- 其次为基本面相关指标chaotia(资产周转率)、chempia(员工变动)、bmia(账面市值比行业调整后)以及波动率变量idiovol和beta
- 中国特有因子atr(异常周转率)和ertrend(趋势因子)均显著，有力捕捉散户投机行为影响
- 神经网络模型体现时间变动中的非线性和结构性断裂，适应能力强

• 这一体系与美国市场模型显示的重视趋势指标的状况形成鲜明对比，说明中国与美国市场因子权重差异显著。[page::6,7,8]

2.3.4 模型选择和检验（3.3节）

• 使用无条件（USPA）和条件（CSPA）优越预测能力测试进行模型评价

- USPA测试能初步筛除OLS相关模型，但难以区分高性能模型细节

• CSPA测试进一步证明神经网络（尤其是NN4、NN5）在各宏观经济环境下表现最为稳健

- 复杂模型（VASA、NN系列）显著优于传统回归模型，树模型表现居中[page::8,9]

2.3.5 深度剖析NN4模型（3.4节）

• 重点比较小股与大股预测能力差异

- 小股票月度预测偏重流动性变量（stddolvol、zerotrade）、中国特有因子atr和市场波动变量（idiovol、maxret、ertrend）

• 解释为：散户投机和非理性行为对小股票影响显著，导致预测能力增强

- 大股票则更偏重基本面变量cash、nincr、bmia等，反映长期价值和财务基本面对回报的影响

• 变量类别层面，流动性统领月度预测，小股高波动性和动量权重，大股侧重规模和基本面指标；年度预测中波动性和动量下降，基本面变量权重提高[page::9,10]

2.4 投资组合分析（4章节）

2.4.1 基础设置及多空/多头策略构建

• 投资组合每月底根据机器学习模型预测的未来月度回报排序，分为十分位，构建价值加权的多空（买入最高十分位卖出最低十分位）和多头（仅买入最高十分位）组合

- 因中国做空机制受限，多头策略实际可操作性更强

2.4.2 全样本和各种样本投资组合表现

• 全样本表现（图10、图11）：

- 神经网络（NN4、NN5）和VASA模型表现最优，Sharpe比率最高可达3.45，远超美国同期数据，多头策略Sharpe约1.7
- 机器学习方法均优于市场指数和简单均等权1/N基准
- 2015年股市崩盘期表现尤为稳健，显示对市场极端波动的适应能力

• 排除小股票（图12）：

- 排除市值后30%小股后投资组合风险降低（波动率、回撤），但回报和Sharpe也略有下降
- 机器学习方法优势仍显著，NN依旧领先

• 国有企业子样本（图13）：

- 国企表现稳定且预期收益更高，特别是多空策略Sharpe可达4.12
- 结合机器学习策略可较好控制国企最大回撤风险，缓解了传统对国企高风险的担忧

2.4.3 交易成本影响

• 交易成本包括佣金、印花税与滑点，主要滑点采用TWAP和VWAP两种计算方案模拟

- 交易成本总体估计约25BP，极端情况下更高，作者进一步模拟20-80BP交易成本对收益影响

• 即便在80BP成本假设下，神经网络多空策略Sharpe仍超2，且多头策略表现依然稳健，说明机器学习策略具有较强的交易成本抵抗力[page::11,12,13,14,15]

2.4.4 每日涨跌停限制影响

• 中国股市存在涨跌停限制，对个股买卖价格限制可能影响策略执行

- 作者模拟排除涨停买入股票及卖停股票延后售出情景

• 结果显示仅微弱降低投资组合收益率和Sharpe，策略稳健性验证了涨跌停规则影响有限[page::15,16]

---

3. 图表深度解读

图1：不同模型与子样本月度样本外预测 $R^{2}{oos}$ （第3页）

• 显示不同机器学习模型针对全集、小股票、大股票、国企、非国企等子样本预测能力差异

- 机器学习模型整体优于线性模型，GBRT和深层神经网络在小股票样本中达到最高预测能力（超7%）

• 大股票预测能力相对弱，某些模型甚至表现为负$R^{2}{oos}$

- 国企样本中神经网络表现优异，反映国企股票更复杂的非线性模式支持用复杂模型捕捉

• 图表明确展示中国市场样本异质性和机器学习模型的优越性能[page::3]

图4、5：宏观经济变量重要性及分布（第6页）

• 表格显示不同模型对11个宏观经济变量重要性的评分，箱线图展示不同模型间变量重要性分布

- 通胀率infl和流动性指标ntis为最关注宏观变量，次为基本面估值变量bm、m2gr、itgr

• 说明机器学习模型捕捉宏观经济对月度回报的影响，其中流动性和宏观风险溢价变量尤为关键[page::6]

图6：股票特征变量重要性热图（第7页）

• 不同机器学习模型对近百个股票特征重要性排序，颜色深浅反映重要程度

- 流动性相关变量、基本面指标及波动率变量在大多数模型中排名居前

• 表明机器学习模型侧重结构多元、非线性特征，拥抱中国特色因子如atr和ertrend[page::7]

图8：NN4模型下大小股票预测变量相对重要性差异（第9页）

• 上图Panel A月度范围，显示小股票和大股票在不同变量上的权重差异，红色代表大股票更重要，绿色代表小股票更重要

- 发现流动性指标等对小股重要性更高，现金、盈利质量等基本面指标大股票更受关注

• Panel B显示从月度到年度重要性变化，突出投机指标年度重要性降低，反映短期效应特征[page::9]

图10-11：机器学习投资组合表现（第11-12页）

• 表格和折线图结合，展示多空和多头策略平均月收益、夏普比率、风险指标，以及2012-2020年间累计收益曲线

- 神经网络和VASA模型领先，显著优于OLS及指数基准，特别是2015年股市剧烈震荡期间表现稳健、抗跌

• 多头组合因中国做空限制更现实，表现依然优越[page::11,12]

图12-13：排除小股/国企子样本投资组合收益表现（第13页）

• 去除小市值股票后，组合表现的风险指标下降，但机器学习模型依旧领先于传统模型

- 国企子样本显示更高夏普比率及更低最大回撤，可利用机器学习有效控制国企崩盘风险[page::13]

图14-16：交易成本、滑点和涨跌停限价影响（第14-16页）

• 以TWAP、VWAP模拟滑点，估算15-25BP正常交易成本区间

- 模拟不同交易成本水平，对投资组合月回报和夏普比率冲击有限，表现依然稳健

• 价格涨跌停限制对组合效果影响甚微，策略表现显示良好适应性[page::14,15,16]

---

4. 估值分析

本报告不涉及企业估值，而是侧重机器学习在预测收益和投资组合构建的应用。因此无传统DCF或市盈率等估值方法阐述，而是通过统计模型预测准确度和投资组合表现评估模型价值。

---

5. 风险因素评估

报告指出以下风险：

• 模型失效风险：市场环境的重大转变可能导致机器学习模型暂时失效，特别是系统性宏观风险事件（如贸易战、新冠疫情）带来预测能力下降。

- 交易成本与执行风险：高滑点与不足流动性可能侵蚀超额收益，虽然报告通过模拟给出保守估计，但实践中仍不可忽视。

• 市场机制限制：如卖空难题和涨跌停限价可能限制模型策略的完整实施。

- 技术限制：高复杂度模型如神经网络解释难度大，可能导致风险难以完全识别和管理。

报告内包含对交易成本、滑点和涨跌停限制的详细模拟，提出了缓解策略如使用多头组合等以降低风险暴露。[page::0,14,15]

---

6. 批判性视角与细微差别

• 报告基于历史回测数据，未充分考虑模型实施对市场流动性和其他投资者行为的影响，可能导致实际效果差异，由作者也在最后的风险提示中指出。

- 对机器学习模型的解释能力通过变量重要性分析尝试克服，但深层神经网络本质黑箱，仍存在解释不足的风险，对实操不利。

• 研究多依赖样本外$R^{2}$与统计测试，部分模型差异可能因特定时期评估方法而有所偏差。

- 与美国市场的比较为成果增加说服力，但不同市场环境与制度差异使得跨市场迁移假设需审慎。

• 因子选取虽全面，但部分中国特色因子相对较少，未来研究可能需增强这部分特征。

- 报告未详细探索模型超参数调整敏感性，可能影响模型鲁棒性[page::16,17]

---

7. 结论性综合

本文作为海外文献速览系列第十四篇，系统回顾和剖析了Leippold等人(2021)关于机器学习在中国股市应用的开创性研究，涵盖模型构建、预测性能、因子重要性、投资组合构造及交易执行等关键方面，内容详实且数据丰富。

• 核心发现

- 机器学习模型，在中国市场表现出远超传统线性模型和美国市场的收益预测能力，最高样本外$R^{2}_{oos}$达到7%+。
- 流动性相关因子成为最关键的收益预测指标，基本面因子次之，而传统趋势因子重要性较低，与美国市场形成鲜明对比。
- 散户投资者行为推动中国小股票短期收益高度可预测，国有大型企业收益表现出长期可预测性，且更适合神经网络建模。
- 机器学习策略构建的投资组合，在冲击事件如2015年中国股市崩盘及2020年疫情期均表现稳定，神经网络模型夏普比率显著优于其他模型。
- 受卖空限制影响，多头-only策略成为更现实选择，表现依然优越且具经济意义。
- 交易成本、滑点和涨跌停规则对策略表现有一定影响，但在合理预估范围内对策略稳定性影响有限。

• 图表洞察

- 图1揭示模型预测力及市值、所有权差异；图4-6揭开重要宏观经济因子及股票特征体系；图8及图9深入探讨不同子样本变量权重差异与时间演变；图10-13及14-16详细呈现投资组合绩效和交易摩擦影响，整体支持机器学习在中国市场的有效应用。

• 总体评价

- 本研究开拓了金融机器学习的应用边界，揭示了中国市场的独特结构及其对机器学习模型的特殊需求，对国内量化投资策略设计具有显著借鉴意义。
- 报告从学术到实操全面衡量，提供了翔实且系统的机器学习方法评估体系。
- 风险提示充分，且对中国市场监管和市场微观结构特征有深入理解。

• 建议

- 机器学习策略在中国价值显著，但关注模型解释性与稳健性同样重要。
- 交易执行及市场影响需谨慎评估，未来加强策略与市场互动模拟将是方向。
- 持续关注市场结构变化与新兴因素，保证模型动态适应性。

综上所述，报告呈现了中国股市机器学习应用的系统性分析，既揭示了其强大的收益预测能力，也务实地讨论了实施障碍与风险，堪称金融机器学习在新兴市场应用的经典案例。[page::0-17]

---

参考文献与风险声明

• 论文主要基于Leippold等(2021)《Machine learning in the Chinese stock market》金融经济学期刊文章

- 东兴证券明确声明研究仅供参考，非投资建议，存在模型失效风险

• 全文及相关数据由东兴证券研究所发布

---

结尾说明

此篇报告为东兴证券金融工程团队原创解读，作者团队具备深厚学术背景和行业经验，专注金融工程、量化研究领域，具有丰富研究成果与实操经验。报告用以提高机构投资者理解和应用海外前沿量化研究，推动中国资本市场策略创新。

报告